1. 前言

之前其实写过这样一个博客，当然那篇博客也是我的第一篇博客，传送门：https://blog.csdn.net/weixin_44936889/article/details/99685238

现在回头看发现代码和文章风格并不是很好，代码也有一些小问题，这里就重新整理一下并做出一些改进，实现一个更好的效果，这一期的代码补充了许多注释，检测效果如图：
在这里插入图片描述
（这就是我！！！哈哈哈）

2. 前期准备

2.1 安装依赖库

库名称	作用及版本号
opencv-python	包括图像视频处理，以及人脸识别模型（3.4.2）
numpy	主要用于矩阵运算（1.16.3）
tensorflow	机器学习框架，用于训练关键点检测模型（1.14.0）
matplotlib	用于绘制Loss曲线等（3.0.3）
pandas	用于读取并解析csv文件（0.24.2）

下载方法是在终端输入：

pip install 库名称==版本号 --user

如：

pip install numpy==1.16.3 --user

版本号不一定需要这么严格安装这个来，但如果版本号差太远的话可能会报错AttributeError: module ‘xxxx’ has no attribute ‘xxxxx’

2.2 下载人脸关键点数据集

数据集主要使用了kaggle上Facial Keypoints Detection比赛提供的数据集。

网址: https://www.kaggle.com/c/facial-keypoints-detection

在这里插入图片描述

该数据集包含包括7,049幅图像，96 x 96像素的灰度图像。预测15个人脸关键点。数据集中每一张图片刚好包含整个人脸，需要检测的15个人脸关键点如下图所示：
在这里插入图片描述

3. 人脸检测程序

import cv2


def ad_threshold(img):

    th2 = cv2.adaptiveThreshold(img, 255, 
            cv2.ADAPTIVE_THRESH_GAUSSIAN_C,                                
                   cv2.THRESH_BINARY, 19, 4) # 自适应二值化
    return th2

def CatchUsbVideo(window_name, camera_index):  
    # 定义主函数  
    cv2.namedWindow(window_name) # 创建摄像头窗口    
    cap = cv2.VideoCapture(camera_index) # 调用摄像头（一般电脑自带摄像头index为0）

    # 调用分类（人脸识别分类器是cv一个预训练的模型，文件名为haarcascade_frontalface_alt2.xml）
    # 在我的电脑里查找就可以找到，找到后复制到当前文件夹内
    # 我的电脑的储存路径是C:\Users\dell\AppData\Roaming\Python\Python37\site-packages\cv2\data    
    classfier = cv2.CascadeClassifier('./haarcascade_frontalface_alt2.xml')    
    # 设置边框颜色（用于框出人脸） 
    color = (0, 255, 0)

    font = cv2.FONT_HERSHEY_SIMPLEX # 创建摄像头前置的文字框

    while cap.isOpened():        
        catch, frame = cap.read()  # 读取每一帧图片  

        if not catch:  
            raise Exception('Check if the camera if on.')          
            break            
        # 转换为灰度图片        
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        gray = ad_threshold(gray) # 自适应二值化处理

        # scaleFactor 为图片缩放比例
        # minNeighbors 是至少检查为3次是人脸才作为标记，适当增大可以有效抗干扰
        # minSize 是检测的最小人脸的大小
        faceRects = classfier.detectMultiScale(
                gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))                
        if len(faceRects) > 0:  
            # 历遍每次检测的所有脸          
            for face in faceRects: 

                x, y, w, h = face  # face是一个元祖，返回了分类器的检测结果，包括起始点的坐标和高度宽度    

                image = frame[y-10:y+h+10, x-10:x+w+10] # 对原图片进行裁剪

                cv2.rectangle(frame, (x-5, y-5), (x+w+5, y+h+5), color, 2) # 绘制人脸检测的线框                
                cv2.putText(frame, 'face',(x + 30, y + 30), font, 1, (255, 0, 255), 4)


        cv2.imshow(window_name, frame) # 显示人脸检测结果
        c = cv2.waitKey(10)        

        if c & 0xFF == ord('q'):  
            # 按q退出     
            break

        if cv2.getWindowProperty(window_name, cv2.WND_PROP_AUTOSIZE) < 1:
            # 点x退出
            break            
    # 释放摄像头
    cap.release()
    cv2.destroyAllWindows()    
if __name__ == "__main__":

    CatchUsbVideo("face_detect", camera_index=0)
    # camera_index 是摄像头的编号，其中笔记本前置摄像头编号为0