16_face_detection.py

  1"""
  216. 얼굴 검출 및 인식
  3- Haar Cascade 얼굴 검출
  4- 눈, 미소 검출
  5- LBP (Local Binary Patterns)
  6- 얼굴 인식 기초
  7"""
  8
  9import cv2
 10import numpy as np
 11
 12
 13def create_face_image():
 14    """얼굴 형태 시뮬레이션 이미지"""
 15    img = np.zeros((400, 500, 3), dtype=np.uint8)
 16    img[:] = [220, 220, 220]
 17
 18    # 얼굴 1 (왼쪽)
 19    cv2.ellipse(img, (150, 180), (60, 75), 0, 0, 360, (180, 160, 140), -1)
 20    cv2.circle(img, (130, 160), 10, (50, 50, 50), -1)  # 왼쪽 눈
 21    cv2.circle(img, (170, 160), 10, (50, 50, 50), -1)  # 오른쪽 눈
 22    cv2.ellipse(img, (150, 210), (20, 10), 0, 0, 180, (100, 80, 80), 2)  # 입
 23
 24    # 얼굴 2 (오른쪽)
 25    cv2.ellipse(img, (350, 200), (55, 70), 0, 0, 360, (175, 155, 135), -1)
 26    cv2.circle(img, (332, 180), 9, (45, 45, 45), -1)  # 왼쪽 눈
 27    cv2.circle(img, (368, 180), 9, (45, 45, 45), -1)  # 오른쪽 눈
 28    cv2.ellipse(img, (350, 225), (18, 8), 0, 0, 180, (90, 70, 70), 2)  # 입
 29
 30    return img
 31
 32
 33def haar_cascade_face_detection():
 34    """Haar Cascade 얼굴 검출 데모"""
 35    print("=" * 50)
 36    print("Haar Cascade 얼굴 검출")
 37    print("=" * 50)
 38
 39    img = create_face_image()
 40    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 41
 42    # Haar Cascade 분류기 로드
 43    face_cascade_path = cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'
 44    face_cascade = cv2.CascadeClassifier(face_cascade_path)
 45
 46    if face_cascade.empty():
 47        print("얼굴 검출기를 로드할 수 없습니다.")
 48        return
 49
 50    # 얼굴 검출
 51    # scaleFactor: 각 이미지 스케일에서 이미지 크기를 줄이는 비율
 52    # minNeighbors: 각 후보 사각형이 유지되기 위해 필요한 이웃 수
 53    # minSize: 최소 객체 크기
 54    faces = face_cascade.detectMultiScale(
 55        gray,
 56        scaleFactor=1.1,
 57        minNeighbors=5,
 58        minSize=(30, 30),
 59        flags=cv2.CASCADE_SCALE_IMAGE
 60    )
 61
 62    result = img.copy()
 63    print(f"검출된 얼굴 수: {len(faces)}")
 64
 65    for i, (x, y, w, h) in enumerate(faces):
 66        # 얼굴 영역 표시
 67        cv2.rectangle(result, (x, y), (x+w, y+h), (0, 255, 0), 2)
 68        cv2.putText(result, f'Face {i+1}', (x, y-10),
 69                   cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 1)
 70        print(f"  Face {i+1}: x={x}, y={y}, w={w}, h={h}")
 71
 72    print("\nHaar Cascade 파라미터:")
 73    print("  scaleFactor: 1.1~1.3 (작을수록 정밀, 느림)")
 74    print("  minNeighbors: 3~6 (클수록 엄격)")
 75    print("  minSize: 최소 검출 크기")
 76
 77    cv2.imwrite('face_haar_input.jpg', img)
 78    cv2.imwrite('face_haar_result.jpg', result)
 79
 80
 81def cascade_eye_detection():
 82    """눈 검출 데모"""
 83    print("\n" + "=" * 50)
 84    print("눈 검출 (Haar Cascade)")
 85    print("=" * 50)
 86
 87    img = create_face_image()
 88    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 89
 90    # 분류기 로드
 91    face_cascade = cv2.CascadeClassifier(
 92        cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'
 93    )
 94    eye_cascade = cv2.CascadeClassifier(
 95        cv2.data.haarcascades + 'haarcascade_eye.xml'
 96    )
 97
 98    if face_cascade.empty() or eye_cascade.empty():
 99        print("분류기를 로드할 수 없습니다.")
100        return
101
102    # 얼굴 검출
103    faces = face_cascade.detectMultiScale(gray, 1.1, 5)
104
105    result = img.copy()
106
107    for (x, y, w, h) in faces:
108        cv2.rectangle(result, (x, y), (x+w, y+h), (0, 255, 0), 2)
109
110        # 얼굴 영역 내에서 눈 검출
111        roi_gray = gray[y:y+h, x:x+w]
112        roi_color = result[y:y+h, x:x+w]
113
114        eyes = eye_cascade.detectMultiScale(
115            roi_gray,
116            scaleFactor=1.1,
117            minNeighbors=10,
118            minSize=(15, 15)
119        )
120
121        for (ex, ey, ew, eh) in eyes:
122            cv2.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (255, 0, 0), 2)
123
124        print(f"얼굴 ({x}, {y})에서 검출된 눈: {len(eyes)}")
125
126    print("\n눈 검출 팁:")
127    print("  - 얼굴 영역 내에서만 검출 (ROI)")
128    print("  - minNeighbors를 높게 설정")
129    print("  - 상반부에서만 검출하면 정확도 향상")
130
131    cv2.imwrite('face_eye_result.jpg', result)
132
133
134def available_cascades():
135    """사용 가능한 Haar Cascade 목록"""
136    print("\n" + "=" * 50)
137    print("사용 가능한 Haar Cascade 분류기")
138    print("=" * 50)
139
140    cascades = [
141        ('haarcascade_frontalface_default.xml', '정면 얼굴'),
142        ('haarcascade_frontalface_alt.xml', '정면 얼굴 (대체)'),
143        ('haarcascade_frontalface_alt2.xml', '정면 얼굴 (대체 2)'),
144        ('haarcascade_profileface.xml', '측면 얼굴'),
145        ('haarcascade_eye.xml', '눈'),
146        ('haarcascade_eye_tree_eyeglasses.xml', '눈 (안경 포함)'),
147        ('haarcascade_smile.xml', '미소'),
148        ('haarcascade_upperbody.xml', '상체'),
149        ('haarcascade_lowerbody.xml', '하체'),
150        ('haarcascade_fullbody.xml', '전신'),
151    ]
152
153    print(f"\n경로: {cv2.data.haarcascades}\n")
154
155    for filename, description in cascades:
156        cascade = cv2.CascadeClassifier(cv2.data.haarcascades + filename)
157        status = "OK" if not cascade.empty() else "N/A"
158        print(f"  [{status}] {filename}")
159        print(f"       - {description}")
160
161
162def lbp_face_detection():
163    """LBP 기반 얼굴 검출 데모"""
164    print("\n" + "=" * 50)
165    print("LBP 얼굴 검출")
166    print("=" * 50)
167
168    img = create_face_image()
169    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
170
171    # LBP Cascade 로드 (있는 경우)
172    lbp_cascade_path = cv2.data.haarcascades + '../lbpcascades/lbpcascade_frontalface_improved.xml'
173
174    try:
175        lbp_cascade = cv2.CascadeClassifier(lbp_cascade_path)
176
177        if lbp_cascade.empty():
178            raise FileNotFoundError
179
180        faces = lbp_cascade.detectMultiScale(gray, 1.1, 5)
181
182        result = img.copy()
183        for (x, y, w, h) in faces:
184            cv2.rectangle(result, (x, y), (x+w, y+h), (0, 0, 255), 2)
185
186        print(f"LBP로 검출된 얼굴: {len(faces)}")
187        cv2.imwrite('face_lbp_result.jpg', result)
188
189    except (FileNotFoundError, cv2.error):
190        print("LBP Cascade를 찾을 수 없습니다.")
191        print("대부분의 경우 Haar Cascade 사용을 권장합니다.")
192
193    print("\nHaar vs LBP 비교:")
194    print("  Haar: 더 정확, 느림, 조명 변화에 민감")
195    print("  LBP: 더 빠름, 조명 변화에 강건, 정확도 낮음")
196
197
198def face_recognition_concept():
199    """얼굴 인식 개념 설명"""
200    print("\n" + "=" * 50)
201    print("얼굴 인식 개념")
202    print("=" * 50)
203
204    # 테스트 이미지 생성
205    img1 = np.zeros((100, 100), dtype=np.uint8)
206    cv2.ellipse(img1, (50, 50), (30, 40), 0, 0, 360, 150, -1)
207    cv2.circle(img1, (40, 45), 5, 50, -1)
208    cv2.circle(img1, (60, 45), 5, 50, -1)
209
210    img2 = img1.copy()  # 동일인
211    img3 = np.zeros((100, 100), dtype=np.uint8)  # 다른 사람
212    cv2.ellipse(img3, (50, 50), (35, 35), 0, 0, 360, 160, -1)
213    cv2.circle(img3, (35, 45), 6, 60, -1)
214    cv2.circle(img3, (65, 45), 6, 60, -1)
215
216    print("얼굴 인식 파이프라인:")
217    print("  1. 얼굴 검출 (Detection)")
218    print("  2. 얼굴 정렬 (Alignment)")
219    print("  3. 특징 추출 (Feature Extraction)")
220    print("  4. 특징 비교 (Matching)")
221
222    print("\nOpenCV 얼굴 인식기 (opencv-contrib 필요):")
223    print("  - EigenFaces: PCA 기반")
224    print("  - FisherFaces: LDA 기반")
225    print("  - LBPH: Local Binary Pattern Histogram")
226
227    # LBPH 얼굴 인식기 예시 (opencv-contrib 필요)
228    try:
229        recognizer = cv2.face.LBPHFaceRecognizer_create()
230
231        # 학습 데이터
232        faces = [img1, img2, img3]
233        labels = np.array([0, 0, 1])  # 0: 첫 번째 사람, 1: 두 번째 사람
234
235        recognizer.train(faces, labels)
236
237        # 예측
238        label, confidence = recognizer.predict(img1)
239        print(f"\n테스트: label={label}, confidence={confidence:.2f}")
240        print("  confidence가 낮을수록 유사")
241
242    except AttributeError:
243        print("\n참고: LBPH 인식기를 사용하려면")
244        print("  pip install opencv-contrib-python")
245
246    cv2.imwrite('face_sample1.jpg', img1)
247    cv2.imwrite('face_sample2.jpg', img3)
248
249
250def face_detection_comparison():
251    """얼굴 검출 방법 비교"""
252    print("\n" + "=" * 50)
253    print("얼굴 검출/인식 방법 비교")
254    print("=" * 50)
255
256    print("""
257    | 방법 | 장점 | 단점 | 용도 |
258    |------|------|------|------|
259    | Haar Cascade | 빠름, 간단 | 측면/기울기 약함 | 실시간 검출 |
260    | LBP | 매우 빠름 | 정확도 낮음 | 임베디드 |
261    | HOG + SVM | 정확 | 느림 | 검출 |
262    | DNN (SSD) | 매우 정확 | GPU 권장 | 고정밀 검출 |
263    | DNN (Face) | 특징 추출 | 모델 필요 | 인식 |
264    """)
265
266    print("최신 트렌드:")
267    print("  - MTCNN: 다단계 CNN (검출+정렬)")
268    print("  - RetinaFace: 고정밀 검출")
269    print("  - ArcFace, FaceNet: 임베딩 기반 인식")
270    print("  - InsightFace: 종합 프레임워크")
271
272
273def real_time_detection_template():
274    """실시간 검출 템플릿"""
275    print("\n" + "=" * 50)
276    print("실시간 얼굴 검출 템플릿")
277    print("=" * 50)
278
279    code = '''
280# 실시간 얼굴 검출 코드
281import cv2
282
283face_cascade = cv2.CascadeClassifier(
284    cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'
285)
286
287cap = cv2.VideoCapture(0)
288
289while True:
290    ret, frame = cap.read()
291    if not ret:
292        break
293
294    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
295    faces = face_cascade.detectMultiScale(gray, 1.1, 5, minSize=(50, 50))
296
297    for (x, y, w, h) in faces:
298        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
299
300    cv2.imshow('Face Detection', frame)
301
302    if cv2.waitKey(1) & 0xFF == ord('q'):
303        break
304
305cap.release()
306cv2.destroyAllWindows()
307'''
308
309    print(code)
310
311    print("성능 최적화 팁:")
312    print("  1. 프레임 스킵 (매 프레임 검출 불필요)")
313    print("  2. 이미지 축소 후 검출")
314    print("  3. 이전 검출 영역 주변만 탐색")
315    print("  4. 멀티스레딩 활용")
316
317
318def main():
319    """메인 함수"""
320    # Haar Cascade 얼굴 검출
321    haar_cascade_face_detection()
322
323    # 눈 검출
324    cascade_eye_detection()
325
326    # 사용 가능한 Cascade 목록
327    available_cascades()
328
329    # LBP 검출
330    lbp_face_detection()
331
332    # 얼굴 인식 개념
333    face_recognition_concept()
334
335    # 방법 비교
336    face_detection_comparison()
337
338    # 실시간 템플릿
339    real_time_detection_template()
340
341    print("\n얼굴 검출 및 인식 데모 완료!")
342
343
344if __name__ == '__main__':
345    main()