Python2.7 & OpenCV3.0实现人脸检测的简单实例

 本文使用的是Anaconda(是一个开源的Python发行版本，包括IPython、Spyder等多种组件，集成了numpy、matplotlib等多种科学包)和OpenCV3.0。
 使用Anaconda自带的IDE(Spyder)开发，先定义一个函数，是为检测到人脸并返回相应的坐标。需要注意的是cv2.CascadeClassifier()里面放你自己的xml文件地址。代码如下：

def detectFaces(imagePath):
    img = cv2.imread(imagePath)
    #加载openCV自带的人脸检测级联分类器配置文件haarcascade_frontalface_default.xml
    faceCascade = cv2.CascadeClassifier(r"D:\Software\OpenCV3.0\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml")
    #此处报错Nonetype object has no attribute ndim表示imread()没有读到图片
    #if语句：如果img维度为3，说明不是灰度图，先转化为灰度图gray，如果不为3，也就是2，原图就是灰度图
    if img.ndim == 3:
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    else:
        gray = img 

    faces = faceCascade.detectMultiScale(gray, 1.2, 6)#1.2和6是特征的最小、最大检测窗口，它改变检测结果也会改变
    result = []
    for (x,y,width,height) in faces:
        result.append((x,y,x+width,y+height))
    return result

拿到人脸坐标后，可以将识别出的人脸生成图片保存到定义的文件夹中。附上代码：

def savePictures(imagePath):
    faces = detectFaces(imagePath)
    if faces:
        #将人脸保存在save_dir目录下。
        #Image模块：Image.open获取图像句柄，crop剪切图像(剪切的区域就是detectFaces返回的坐标)，save保存。
        saveFolder = imagePath.split('.')[0]+"_faces"
        os.mkdir(saveFolder)
        count = 0
        for (x1,y1,x2,y2) in faces:
            fileName = os.path.join(saveFolder,str(count)+".jpg")
            Image.open(imagePath).crop((x1,y1,x2,y2)).save(fileName)
            count+=1

此外，也还可以在原图对每张人脸用矩形框标记出来，代码如下：

"""
在原图像上画矩形，标记出所有人脸。
调用Image模块的draw方法，Image.open获取图像句柄，ImageDraw.Draw获取该图像的draw实例，然后调用该draw实例的rectangle方法画矩形(矩形的坐标即detectFaces返回的坐标)，outline是矩形线条颜色(B,G,R)。
注：原始图像如果是灰度图，则去掉outline，因为灰度图没有RGB可言。
"""
def drawPictures(imagePath):
    faces = detectFaces(imagePath)
    if faces:
        img = Image.open(imagePath)
        drawInstance = ImageDraw.Draw(img)
        for (x1,y1,x2,y2) in faces:
            drawInstance.rectangle((x1,y1,x2,y2), outline=(255, 0,0))
        img.save(imagePath.split('.')[0]+"_faces"+".jpg")