PythonでOpenCV|haar-like cascade分類器で顔認識

デジカメなどに搭載されている顔認識。OpenCVを用いると簡単に使用できます。

今回も先人達の知恵を借りつつ、前回導入したJupyter Notebookの試運転も兼ねて顔認識を試してみました。

Jupyter NotebookもOpenCVも本当に便利。すごい世の中ですね！

とりあえず試す

細かい部分はいいから顔認識したい方・コードの説明がなくてもわかるという方は、githubに上げていますのでご参照ください。

github.com

ただ、一点だけ注意点があります。Anacondaの仮想環境を作成するときにPythonのバージョンを3.5に指定するのを忘れないようにしましょう。

OpenCVがPython3.6に対応していないようなので、ハマるかもしれません。

環境構築

macOS Sierra==10.12.6
pyenv==1.0.8-28-gcd22737
anaconda3==4.3.0
python==3.5.3
opencv==3.1.0

先ほど言っていたようにAnacondaの仮想環境を作成する際、pythonのバージョンを3.5に指定します。

それ以外は前回の記事の通りです。

もしくはgithubのページを参照ください。

conda create -n haarcascade_env python=3.5 jupyter matplotlib

仮想環境に入りOpenCVをインストール。jupyter notebookを立ち上げます。

activate haarcascade_env
conda install -c https://conda.anaconda.org/menpo opencv3
jupyter notebook

コードの解説

OpenCVをインポートする際はcv2。ついでに、matplotlibのマジックコマンドとインポートも行なっています。

%matplotlib inline
import matplotlib.pyplot as plt
import cv2

OpenCVのメソッドを簡単に説明しておきます。

imreadは画像を読み込む。引数に画像のパスを含めた名前を記述。

cvtColorは画像を色変換する。引数はimreadで読み込んだ変数と行いたい色変換。haar-like cascade分類器を適用する際に、グレーに変換する必要があります。

rectangeleは画像に四角形を描き込む。引数は、imreadで読み込んだ変数・四角形の左上と右下の座標・線の色や太さ。

CascadeClassifierは分類器を生成。引数に分類器のパスを含めた名前を記述。

detectMultiScaleは分類器を適用して、顔の座標を返します。引数は、imreadで読み込んだ変数と分類器のステータスです。

img_name = "girls.jpg"
img = cv2.imread(img_name) 

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # グレースケール化

cascade_path = "./haarcascades/haarcascade_frontalface_alt.xml"
cascade = cv2.CascadeClassifier(cascade_path) # detectorを作成
facerect = cascade.detectMultiScale(img_gray, scaleFactor=1.1, minNeighbors=1)

img_result = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
rect_color = (0, 255, 0)
if len(facerect) > 0:
    for rect in facerect:
        x = rect[0]
        y = rect[1]
        width = rect[2]
        height = rect[3]
        cv2.rectangle(img_result, (x, y), (x + width, y + height), rect_color, thickness=2)

plt.figure(figsize=(16,10))
plt.imshow(img_result)

img_nameがgirls.jpgになっているのはキュートなガールズ画像を用いたからです。おっさんの顔認識するよりも、可愛い女の子でやった方が身が入りますよねー！

気になる方はgithubのページへ