OpenCV-Python实战（一）Ubuntu18.04实现人脸检测+输出抓图时间

参考：python+opencv计算代码运行时间：time库和opencv自带方法getTickCount

cv2级联分类器CascadeClassifier

一、Haar特征分类器介绍

• Haar特征分类器就是一个XML文件，该文件中会描述人体各个部位的Haar特征值。包括人脸、眼睛、嘴唇等等。
• Haar特征分类器存放目录：opencv安装目录中的\data\ haarcascades目录下，opencv2.4.8版本下的Haar特征分类器如下：

haarcascade_eye.xml  
haarcascade_eye_tree_eyeglasses.xml  
haarcascade_frontalface_alt.xml  
haarcascade_frontalface_alt_tree.xml  
haarcascade_frontalface_alt2.xml  
haarcascade_frontalface_default.xml  
haarcascade_fullbody.xml  
haarcascade_lefteye_2splits.xml  
haarcascade_lowerbody.xml  
haarcascade_mcs_eyepair_big.xml  
haarcascade_mcs_eyepair_small.xml  
haarcascade_mcs_leftear.xml  
haarcascade_mcs_lefteye.xml  
haarcascade_mcs_mouth.xml  
haarcascade_mcs_nose.xml  
haarcascade_mcs_rightear.xml  
haarcascade_mcs_righteye.xml  
haarcascade_mcs_upperbody.xml  
haarcascade_profileface.xml  
haarcascade_righteye_2splits.xml  
haarcascade_smile.xml  
haarcascade_upperbody.xml  

根据命名就可以很快知道各个分类器的用途。

其中：haarcascade_frontalface_alt.xml与haarcascade_frontalface_alt2.xml都是人脸识别的Haar特征分类器了。

二、detectMultiScale函数详解

cvHaarDetectObjects是opencv1中的函数，opencv2中人脸检测使用的是 detectMultiScale函数。它可以检测出图片中所有的人脸，并将人脸用vector保存各个人脸的坐标、大小（用矩形表示），函数由分类器对象调用：

void detectMultiScale(  
    const Mat& image,  
    CV_OUT vector& objects,  
    double scaleFactor = 1.1,  
    int minNeighbors = 3,   
    int flags = 0,  
    Size minSize = Size(),  
    Size maxSize = Size()  
);  

函数介绍：

参数1：image--待检测图片，一般为灰度图像加快检测速度；

参数2：objects--被检测物体的矩形框向量组；
参数3：scaleFactor--表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;
参数4：minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。
        如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。
        如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，
        这种设定值一般用在用户自定义对检测结果的组合程序上；
参数5：flags--要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为

        CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，

        因此这些区域通常不会是人脸所在区域；
参数6、7：minSize和maxSize用来限制得到的目标区域的范围。

三、程序运行时间检测

• 秒级

1. getTickcount()函数：它返回从操作系统启动到当前所经的计时周期数。

2. getTickFrequency()函数：返回每秒的计时周期数。

• 微秒级

1. GetTickCount()

2. GetTickFrequency()

# cv2.getTickCount()记录当前时间，cv2.getTickFrequency()是时钟周期
start = cv2.getTickCount()

# 记录当前时间，以时钟周期计算
sum = 0
for i in range(100000):
    sum += i
# 以上执行代码，用于测试执行上述代码需要多长时间

end = cv2.getTickCount()
# 记录当前时间
 
during1 = (end - start) / cv2.getTickFrequency()
# 计算代码运行的时间消耗，其中最后一个参数是时钟周期

print(during1)
 

四、程序源码-Python实现

# encoding:utf-8
import cv2
import numpy as np

Time = cv2.getTickCount()    #;这里加;也不会报错 不过python更倾向于一行一条语句，简单直白   #  计算一下运行时间

# 运行之前，检查cascade文件路径是否在相应的目录下
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')

# 读取图像
#img =cv2.imread('img/girl.jpg')
img =cv2.imread('img/girl1.png');
#img =cv2.imread('img/girl2.jpg')
#img =cv2.imread('img/timg.jpg')
#img =cv2.imread('img/test.jpeg')
#img =cv2.imread('img/兔子.jpg')
#img =cv2.imread('img/纳兹.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)   #将图片进行灰度处理

# 检测脸部
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30), flags=cv2.CASCADE_SCALE_IMAGE)
print('Detected ', len(faces), ' face!')

for (x, y, w, h) in faces:
    img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
    roi_gray = gray[y: y + h, x: x + w]
    roi_color = img[y: y + h, x: x + w]

    eyes = eye_cascade.detectMultiScale(roi_gray)
    for(ex, ey, ew, eh) in eyes:
        cv2.rectangle(roi_color, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)

cv2.imshow('img', img)      #显示图片

Time = cv2.getTickCount() - Time       #;  #计算运行时间
print( "run time = ", Time /cv2.getTickFrequency() )     #;  #秒

cv2.waitKey(0)
cv2.destroyAllWindows()

运行效果：