# -*- coding: utf-8 -*-
 
import cv2
import sys
from PIL import Image
 
 
def CatchUsbVideo(window_name, camera_idx):
  cv2.namedWindow(window_name)
 
  # 視頻來(lái)源，可以來(lái)自一段已存好的視頻，也可以直接來(lái)自USB攝像頭
  cap = cv2.VideoCapture(camera_idx)
 
  # 告訴OpenCV使用人臉識(shí)別分類(lèi)器
  classfier = cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt2.xml")
 
  # 識(shí)別出人臉后要畫(huà)的邊框的顏色，RGB格式
  color = (0, 255, 0)
 
  count=0
 
  while cap.isOpened():
    ok, frame = cap.read() # 讀取一幀數(shù)據(jù)
    if not ok:
      break
 
      # 將當(dāng)前幀轉(zhuǎn)換成灰度圖像
    grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
 
    # 人臉檢測(cè)，1.2和2分別為圖片縮放比例和需要檢測(cè)的有效點(diǎn)數(shù)
    faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
    if len(faceRects) > 0: # 大于0則檢測(cè)到人臉
      count=count+1
  return count
 
 
if __name__ == '__main__':
  result=CatchUsbVideo("識(shí)別人臉區(qū)域", '2222.mp4')
  if result>0:
    print('視頻中有人??！')
  else:
    print('視頻中無(wú)人！！')

#-*-coding:utf8-*-#
 
import os
import cv2
from PIL import Image,ImageDraw
from datetime import datetime
import time
 
#detectFaces()返回圖像中所有人臉的矩形坐標(biāo)（矩形左上、右下頂點(diǎn)）
#使用haar特征的級(jí)聯(lián)分類(lèi)器haarcascade_frontalface_default.xml，在haarcascades目錄下還有其他的訓(xùn)練好的xml文件可供選擇。
#注：haarcascades目錄下訓(xùn)練好的分類(lèi)器必須以灰度圖作為輸入。
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語(yǔ)句：如果img維度為3，說(shuō)明不是灰度圖，先轉(zhuǎn)化為灰度圖gray，如果不為3，也就是2，原圖就是灰度圖
 
  faces = face_cascade.detectMultiScale(gray, 1.2, 5)#1.3和5是特征的最小、最大檢測(cè)窗口，它改變檢測(cè)結(jié)果也會(huì)改變
  result = []
  for (x,y,width,height) in faces:
    result.append((x,y,x+width,y+height))
  return result
 
 
#保存人臉圖
def saveFaces(image_name):
  faces = detectFaces(image_name)
  if faces:
    #將人臉保存在save_dir目錄下。
    #Image模塊：Image.open獲取圖像句柄，crop剪切圖像(剪切的區(qū)域就是detectFaces返回的坐標(biāo))，save保存。
    save_dir = image_name.split('.')[0]+"_faces"
    os.mkdir(save_dir)
    count = 0
    for (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
 
#在原圖像上畫(huà)矩形，框出所有人臉。
#調(diào)用Image模塊的draw方法，Image.open獲取圖像句柄，ImageDraw.Draw獲取該圖像的draw實(shí)例，然后調(diào)用該draw實(shí)例的rectangle方法畫(huà)矩形(矩形的坐標(biāo)即
#detectFaces返回的坐標(biāo))，outline是矩形線條顏色(B,G,R)。
#注：原始圖像如果是灰度圖，則去掉outline，因?yàn)榛叶葓D沒(méi)有RGB可言。drawEyes、detectSmiles也一樣。
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)
 
#檢測(cè)眼睛，返回坐標(biāo)
#由于眼睛在人臉上，我們往往是先檢測(cè)出人臉，再細(xì)入地檢測(cè)眼睛。故detectEyes可在detectFaces基礎(chǔ)上來(lái)進(jìn)行，代碼中需要注意“相對(duì)坐標(biāo)”。
#當(dāng)然也可以在整張圖片上直接使用分類(lèi)器,這種方法代碼跟detectFaces一樣，這里不多說(shuō)。
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
 
 
#在原圖像上框出眼睛.
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)
 
 
#檢測(cè)笑臉
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語(yǔ)句：如果img維度為3，說(shuō)明不是灰度圖，先轉(zhuǎn)化為灰度圖gray，如果不為3，也就是2，原圖就是灰度圖
 
  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
 
 
#在原圖像上框出笑臉
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)
 
 
if __name__ == '__main__':
  time1=datetime.now()
  result=detectFaces('9.jpg')
  time2=datetime.now()
  print("耗時(shí)："+str(time2-time1))
  if len(result)>0:
    print("有人存在??！---》人數(shù)為："+str(len(result)))
  else:
    print('視頻圖像中無(wú)人??！')
 
  drawFaces('9.jpg')
  # drawEyes('obama.jpg')
  # drawSmiles('obama.jpg')
  # saveFaces('obama.jpg')
 
"""
上面的代碼將眼睛、人臉、笑臉在不同的圖像上框出，如果需要在同一張圖像上框出，改一下代碼就可以了。
總之，利用opencv里訓(xùn)練好的haar特征的xml文件，在圖片上檢測(cè)出人臉的坐標(biāo)，利用這個(gè)坐標(biāo)，我們可以將人臉區(qū)域剪切保存，也可以在原圖上將人臉框出。剪切保存人臉以及用矩形工具框出人臉，本程序使用的是PIL里的Image、ImageDraw模塊。
此外，opencv里面也有畫(huà)矩形的模塊，同樣可以用來(lái)框出人臉。
"""