[ OpenCV ] 利用 OpenCV抓取相片中的臉部數據

為了將圖片數據轉換為適合 AI訓練的格式，利用 OpenCV先對臉部進行辨識，然後將臉部數據另存為統一的格式。
import cv2

face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')

def detect(filename):
    img = cv2.imread(filename)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray,
                                          scaleFactor=1.2,
                                          minNeighbors=3,)
    for (x,y,w,h) in faces:
        roi_gray = gray[y:y+h, x:x+w]
        eyes = eye_cascade.detectMultiScale(roi_gray,
                                            scaleFactor=1.02,
                                            minNeighbors=3,
                                            minSize=(40,40),)
        img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
        for (ex,ey,ew,eh) in eyes:
            img = cv2.rectangle(img,(x+ex,y+ey),(x+ex+ew,y+ey+eh),(0,255,0),2)
    cv2.imwrite('./tzuyu_face.jpg', img)

detect('tzuyu.jpg')
利用 cv2.CascadeClassifier導入辨識工具，其中選擇了臉部和眼睛的辨識工具。
讀取圖像數據後，轉為灰階，利用detectMultiScale做臉部和眼睛的辨識。
detectMultiScale中的數據參數分別是
  1. 圖片數據
  2. ScaleFactor：每次搜尋方塊減少的比例
  3. minNeighbers：每個目標至少檢測到幾次以上，才可被認定是真數據。
  4. minSize：設定數據搜尋的最小尺寸 ，如 minSize=(40,40)
利用 cv2.rectangle把辨識到的臉部或眼睛進行標注，參數依序是
  1. 圖片數據
  2. 兩個對角座標
  3. 線的顏色
  4. 線的粗細
第一個迴圈中先利用以辨識的臉部再進行眼睛的辨識。
其中 Haar級聯數據可以從這裡下載。裡面提供了各類辨識的工具。
另外也可以使用 LBP級聯數據，可以從這裡下載。

先試看看子瑜女神，有沒有辦法被辨識。
子瑜女神看來起來辨識滿成功的。
接著看看失敗的例子，用了同樣的參數辨識一下 Twice和愉快伙伴們？
看來挺失敗的，娜璉和其中兩位愉快伙伴完全沒有辨識出臉，眼睛的部份大多都沒有辨識成功。為了辨識成功，可能需要調整一下參數。至於如何避免 OpenCV混淆眼睛和嘴，本人目前沒有對策，求高手指點。不過還好團體照不是我要辨識的主要目標。
接著修改 detect，把辨識出的臉，另存為供 AI訓練的圖像。 
import cv2

face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')

face_filename = 1
def detect(filename):
    img = cv2.imread(filename)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray,
                                          scaleFactor=1.2,
                                          minNeighbors=3,)
    for (x,y,w,h) in faces:
        roi_gray = gray[y:y+h, x:x+w]
        eyes = eye_cascade.detectMultiScale(roi_gray,
                                            scaleFactor=1.02,
                                            minNeighbors=3,)
        if len(eyes)>=2:
            f = cv2.resize(gray[y:y+h, x:x+w], (200, 200))
            global face_filename
            name = './face/%d.png' % face_filename
            cv2.imwrite(name, f)
            face_filename += 1
        else:
            pass
    print('Working with %s' % filename)
對臉部和眼睛進行辨識，至少辨識出兩隻眼睛(無論對錯)才進行儲存，輸出為 200x200的 png格式。
我沒有設定minSize，因為我的數據有點少解析度落差也很大，所以不想要太嚴格。 
import os

img_list = []
for fileNames in os.walk("."):
    filename_extension = ['.jpg', '.png', '.jpeg', '.JPG', '.gif']
    for fe in filename_extension:
        for fileName in fileNames[-1]:
            if fileName.endswith(fe):
                img_list.append(fileName)

for img in img_list:
    detect(img)
做法可能沒有很聰明，利用 os.walk把該資料夾中的各種格式的圖像名稱儲存成 list，再利用迴圈對圖像一個個辨識。
無論原圖解析度如何，全都會輸出統一的格式，輸出的圖像如下。
  

留言

張貼留言