【OpenCV DNN】Flask 视频监控目标检测教程 03

欢迎关注『OpenCV DNN @ Youcans』系列，持续更新中

【OpenCV DNN】Flask 视频监控目标检测教程 03

- 3.3 上传本地图片进行人脸检测
- - 3.3.1 OpenCV 级联分类器类 cv::CascadeClassifier
  - 3.3.2 cvFlask03 项目的构建步骤

本系列从零开始，详细讲解使用 Flask 框架构建 OpenCV DNN 模型的 Web 应用程序。

上节介绍了从URL地址读取图片进行处理和上传本地图片进行卡通处理，本节介绍上传本地图片进行人脸检测。

3.3 上传本地图片进行人脸检测

我们的第三个例程，在cvFlask02的基础上，使用OpenCV级联检测器检测上传图像中的人脸和人眼。

我们可以完全套用cvFlask02的项目结构和程序框架，只需要修改Python程序cvFlask02.py中的调用图像处理子程序，使用OpenCV级联检测器检测上传图像中的人脸和人眼。

3.3.1 OpenCV 级联分类器类 cv::CascadeClassifier

OpenCV 中定义了级联分类器类 cv::CascadeClassifier。在 Python 语言中，使用接口函数 cv.CascadeClassifier() 从文件加载级联分类器模型，成员函数 cv.CascadeClassifier.detectMultiScale() 对图像进行目标检测。

cv.CascadeClassifier(filename)
cv.CascadeClassifier.detectMultiScale(image[, scaleFactor=1.1, 
minNeighbors=3, flags=0, minSize=Size(), maxSize=Size()]) → objects

OpenCV 提供了 Haar 级联检测器的预训练模型如下，可以从 OpenCV 安装包 \data\haarcascades中提取，或者从【GitHub】opencv/data下载。

haarcascade_eye.xml, 眼睛
haarcascade_eye_tree_eyeglasses.xml, 戴眼镜的眼睛
haarcascade_frontalface_alt.xml, 正面人脸
haarcascade_frontalface_alt2.xml, 正面人脸
haarcascade_frontalface_alt_tree.xml, 正面人脸
haarcascade_frontalface_default.xml, 正面人脸
haarcascade_fullbody.xml, 人体
haarcascade_lefteye_2splits.xml, 左眼 
haarcascade_righteye_2splits.xml, 右眼
haarcascade_smile.xml, 笑脸

使用 Haar 级联检测器检测图片中的人脸的步骤如下：
（1）创建一个 CascadeClassifier 级联分类器对象，使用 load() 方法从 .xml 文件加载级联分类器模型。
（2）读取待检测的图片。
（3）使用detectMultiScale()函数检测图片，返回检测到的边界矩形。
（4）将检测到的边界矩形绘制到检测图片上。

3.3.2 cvFlask03 项目的构建步骤

项目cvFlask03的文件树如下。

---项目文件名\
    |---static\
|---templates\
    |    |---processed.html
    |    |---upload.html
|--- cvFlask03.py

cvFlask03.py中图像处理子程序的代码如下，其它部分的代码与cvFlask02.py相同。

# cvFlask03.py
def imageProcessing(filepath):  # 图片处理子程序：人脸检测+人眼检测
    imgCV = cv2.imread(filepath)  # 从 filepath 路径读取图片
    gray = cv2.cvtColor(imgCV, cv2.COLOR_BGR2GRAY)

    # 加载 Haar 级联分类器 预训练模型
    model_path = "../data/haarcascade_frontalface_alt2.xml"
    face_detector = cv2.CascadeClassifier(model_path)  # <class 'cv2.CascadeClassifier'>
    eye_path = "../data/haarcascade_eye.xml"  # 人眼检测器
    eye_detector = cv2.CascadeClassifier(eye_path)  # <class 'cv2.CascadeClassifier'>

    # 使用级联分类器检测人脸
    faces = face_detector.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=1,
                                           minSize=(40, 40), maxSize=(300, 300))

    # 绘制人脸检测框
    for x, y, w, h in faces:
        cv2.rectangle(imgCV, (x,y), (x+w,y+h), (0, 0, 255), 3)

        # 在人脸区域内检测人眼
        roi = gray[y:y+h, x:x+w]  # 提取人脸
        # 检测人眼
        eyes = eye_detector.detectMultiScale(roi, scaleFactor=1.1, minNeighbors=1,
                                             minSize=(15, 15), maxSize=(80, 80))
        # 绘制人眼
        for ex, ey, ew, eh in eyes:
            cv2.rectangle(imgCV, (x+ex,y+ey), (x+ex+ew,y+ey+eh), (255,0,0),2)

    return imgCV

cvFlask03的脚本运行过程也与cvFlask02完全相同，具体步骤如下。

（1）进入cvFlask03项目的根目录，运行程序cvFlask03.py，启动流媒体服务器。
（2）在浏览器输入URL（http://192.168.3.249:5000/upload），打开upload.html网页。在浏览器点击页面上的选择按钮，选择本地的图片上传，上传的图片保存到static\images目录。
（3）程序cvFlask03.py对上传的图片进行人脸检测和人眼检测，在图片上以红色和蓝色方框标记检测到的人脸和人眼。然后激活processed.html网页，显示原始图像和处理后的图像。

在这里插入图片描述

（4）手机连接到局域网，按照控制台显示的内容在浏览器输入IP地址（http://192.168.3.249:5000/upload），也可以上传手机中的图片进行处理，结果如图所示。

在这里插入图片描述

【本节完】

下节我们将讨论：使用Flask框架构建一个视频流服务器。

版权声明：
youcans@xupt 原创作品，转载必须标注原文链接：
【OpenCV DNN】Flask 视频监控目标检测教程 03(https://blog.csdn.net/youcans/article/details/130864216)
Copyright 2023 youcans, XUPT
Crated：2023-05-25