基于图像的人数统计属于模式识别问题,可应用于安防领域。
先放个最近的人数教室人头统计图

传统的方法包括:1)视频捕获;2)目标提取(背景建模、前景分析)——常见方法有高斯背景建模、帧差法、三帧差法等;3)目标识别(模式识别、特征点分析),如人脸识别,头肩部识别等,OpenCV里可以使用Hear特征、级联分类器来进行特征检测;4)目标跟踪——基本方法有直方图特征匹配和运动目标连续性匹配,opencv里可以使用CamShift算法直接对彩色图像进行分析;5)轨迹分析——根据目标的运动轨迹计算目标目标运动方向和位移,判断目标是进入还是离开指定区域,从而对目标进行数目统计。
前段时间我接到一个项目,需要统计公交车的人数,于是我就利用python-opencv对人头统计了一下,然后利用轨迹分析计算目标运动的方向和位移,来判断目标是上公交还是下公交。
下面我先贴出如何利用python-opencv来统计一下图片中的人脸数目吧,人脸检测注释请参考我的上一篇博客:

#!/usr/bin/python
# -*- coding: utf-8 -*-
import cv2
import numpy as np
face_cascade=cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml")
eye_cascade=cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_eye.xml")
i = cv2.imread('1.jpg')
print i.shape
gray=cv2.cvtColor(i,cv2.COLOR_BGR2GRAY)
faces=face_cascade.detectMultiScale(gray,1.3,5)
l=len(faces)
print l
for (x,y,w,h) in faces:
    cv2.rectangle(i,(x,y),(x+w,y+h),(255,0,0),2)
    cv2.putText(i,'face',(w/2+x,y-h/5),cv2.FONT_HERSHEY_PLAIN,2.0,(255,255,255),2,1)
    roi_gray = gray[y:y+h, x:x+w]
    roi_color = i[y:y+h, x:x+w]
    eyes = eye_cascade.detectMultiScale(roi_gray)
	cv2.putText(i,"face count",(20,20),cv2.FONT_HERSHEY_PLAIN,2.0,(255,255,255),2,1)
	cv2.putText(i,str(l),(230,20),cv2.FONT_HERSHEY_PLAIN,2.0,(255,255,255),2,1)	
#cv2.putText(i,"eyes count",(20,60),cv2.FONT_HERSHEY_PLAIN,2.0,(255,255,255),2,1)
	print i.shape	#cv2.putText(i,str(r),(230,60),cv2.FONT_HERSHEY_PLAIN,2.0,(255,255,255),2,1)
cv2.imshow("img",i)
cv2.waitKey(0) 

我们看一下原图

处理完之后的效果:

从图片中看到,检测效果有点不准,我们只需要数框就可以得到人脸的个数了,并用上篇博客中降到的putText函数将人数在图片中打印出来。
接下来,我们可以检测视频中的人脸数目,然后进行统计,同样也可以自己训练分类器,实现人头检测然后统计,我在这只给出系统已经训练好的分类器。

#!/usr/bin/python
# -*- coding: utf-8 -*-
import cv2
import numpy as np
face_cascade=cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml")
eye_cascade=cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_eye.xml")
cap=cv2.VideoCapture('test.avi')
while True:
    ret,frame=cap.read()
    i=frame
       # print i.shape
    gray=cv2.cvtColor(i,cv2.COLOR_BGR2GRAY)
    faces=face_cascade.detectMultiScale(gray,1.3,5)
    l=len(faces)
    print l
    for (x,y,w,h) in faces:
    	cv2.rectangle(i,(x,y),(x+w,y+h),(255,0,0),2)
	    cv2.putText(i,'face',(w/2+x,y-h/5),cv2.FONT_HERSHEY_PLAIN,2.0,(255,255,255),2,1)
        roi_gray = gray[y:y+h, x:x+w]
        roi_color = i[y:y+h, x:x+w]
        for (ex,ey,ew,eh) in eyes:
            cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
	        cv2.putText(i,"face count",(20,20),cv2.FONT_HERSHEY_PLAIN,2.0,(255,255,255),2,1)
	        cv2.putText(i,str(l),(230,20),cv2.FONT_HERSHEY_PLAIN,2.0,(255,255,255),2,1)
	cv2.imshow("rstp",i)
	if cv2.waitKey(1) & 0xFF == ord('q'):
	    exit(0)

copy以上代码就可以检测视频中人脸的个数了,大家可自行玩开,由于上传匆忙,代码可能出现错行,大家如果需要完整代码,可留下邮箱,小编将完整项目代码发入邮箱,有错欢迎大家指正。

原址 https://blog.csdn.net/xiao__run/article/details/76513275

发表评论