1. sudo apt-get install libopencv-*
2. sudo apt-get install python-opencv
3. sudo apt-get install python-imaging

• 人脸检测

定义人脸检测函数detectFaces()，检测图片中所有出现的人脸，并返回人脸的矩形坐标（矩形左上、右下顶点坐标）。使用上面提到的xml文件（haar特征），haarcascades目录下有好几个是关于人脸检测的文件，这里选择haarcascade_frontalface_default.xml，当然也可以使用其他的。另外需要注意的是，必须以灰度图作为haar分类器的输入。

def detectFaces(image_name):img = cv2.imread(image_name)face_cascade = cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml")if img.ndim == 3:gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)else:gray = img #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faces = face_cascade.detectMultiScale(gray, 1.2, 5)#1.3和5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

代码很好理解，先加载xml文件生成级联分类器face_cascade，然后用这个级联分类器对灰度图进行检测face_cascade.detectMultiScale(gray, 1.2, 5)，返回值即图片中所有人脸的坐标(x,y,w,h)，在上面的函数中，我们转化了一下，使得函数返回的是人脸矩形的左上、右下顶点坐标。（注：坐标零点即原始图像左上顶点，往下y增加，往右x增加）。

• 截取保存人脸图

上面的detectFaces函数我们获得了图片中所有人脸的坐标，在有些时候，我们希望把人脸截取出来，然后进行下一步操作（比如做人脸身份识别、表情识别等），保存人脸图的函数如下，使用了PIL的Image模块：

def saveFaces(image_name):faces = detectFaces(image_name)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。save_dir = image_name.split('.')[0]+"_faces"os.mkdir(save_dir)count = 0for (x1,y1,x2,y2) in faces:file_name = os.path.join(save_dir,str(count)+".jpg")Image.open(image_name).crop((x1,y1,x2,y2)).save(file_name)count+=1

• 框出人脸

有些时候，为了展示或者方便观察，需要在原始图像上框出人脸，用矩形将人脸框出，这个功能的实现如下，主要用到PIL的ImageDraw模块（另外，opencv也有画矩形工具，也可以实现）：

#在原图像上画矩形，框出所有人脸。
#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。drawEyes、detectSmiles也一样。
def drawFaces(image_name):faces = detectFaces(image_name)if faces:img = Image.open(image_name)draw_instance = ImageDraw.Draw(img)for (x1,y1,x2,y2) in faces:draw_instance.rectangle((x1,y1,x2,y2), outline=(255, 0,0))img.save('drawfaces_'+image_name)

好了，先看一下效果，运行drawFaces(‘obama.jpg’)，得到右图：

运行saveFaces(‘obama.jpg’)，将在当前目录下生成一个文件夹，并保存上面框出来的人脸，当然，有一些人脸没被检测出来，有些不是人脸被误认为人脸。

• 眼睛检测

在haarcascades目录下，也有一些关于眼睛检测的xml文件。可以像函数detectFaces()那样，将检测face的xml文件换成检测eyes的xml文件即可。但是，由于眼睛在人脸上，我们往往是先检测出人脸，再细入地检测眼睛。故detectEyes可在detectFaces基础上来进行，代码中需要注意“相对坐标”。detectEyes()函数同样返回所有eyes在原图中的坐标。

def detectEyes(image_name):eye_cascade = cv2.CascadeClassifier('/usr/share/opencv/haarcascades/haarcascade_eye.xml')faces = detectFaces(image_name)img = cv2.imread(image_name)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)result = []for (x1,y1,x2,y2) in faces:roi_gray = gray[y1:y2, x1:x2]eyes = eye_cascade.detectMultiScale(roi_gray,1.3,2)for (ex,ey,ew,eh) in eyes:result.append((x1+ex,y1+ey,x1+ex+ew,y1+ey+eh))return result

• 框出眼睛

def drawEyes(image_name):eyes = detectEyes(image_name)if eyes:img = Image.open(image_name)draw_instance = ImageDraw.Draw(img)for (x1,y1,x2,y2) in eyes:draw_instance.rectangle((x1,y1,x2,y2), outline=(0, 0,255))img.save('draweyes_'+image_name)

运行drawEyes(‘obama.jpg’)，看下效果，非常差：

• 笑脸检测

def detectSmiles(image_name):img = cv2.imread(image_name)smiles_cascade = cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_smile.xml")if img.ndim == 3:gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)else:gray = img #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smiles = smiles_cascade.detectMultiScale(gray,4,5)result = []for (x,y,width,height) in smiles:result.append((x,y,x+width,y+height))return result

• 框出笑脸

def drawSmiles(image_name):smiles = detectSmiles(image_name)if smiles:img = Image.open(image_name)draw_instance = ImageDraw.Draw(img)for (x1,y1,x2,y2) in smiles:draw_instance.rectangle((x1,y1,x2,y2), outline=(100, 100,0))img.save('drawsmiles_'+image_name)

运行drawSmiles(‘obama.jpg’)，看下效果，奥巴马的眼睛会笑了：

总之，利用opencv里训练好的haar特征的xml文件，在图片上检测出人脸（眼睛、鼻子、笑脸…）的坐标，利用这个坐标，我们可以将人脸区域剪切保存，也可以在原图上将人脸框出。剪切保存人脸以及用矩形工具框出人脸，本程序使用的是PIL里的Image、ImageDraw模块。此外也可以用opencv里的画图工具画矩形。

代码文件放在我的github上：wepe/OpenCV-demo/FaceDetection_python-opencv

参考：

1、OpenCV-Python Tutorials » Object Detection » Face Detection using Haar Cascades

2、 Python Imaging Library Handbook