اكتشاف الوجه والعينين في Python يعني تحديد مواضع تقريبية داخل الصورة ورسم مربعات حولها. الناتج إحداثيات ومساحات وليس اسم الشخص أو هويته. في هذا التطبيق سنقرأ صورة محلية، ونحدد كل وجه، ثم نبحث عن العينين داخل منطقة الوجه فقط، ونحفظ القصاصات في مجلد مستقل. هكذا تحصل على برنامج واضح يمكن تطويره لاحقًا لمعالجة الفيديو، دون خلط الاكتشاف بمقارنة الوجوه أو تدريب نموذج للتعرف على أشخاص معروفين.
التجهيز والمتطلبات
python -m pip install "opencv-python>=4.10,<5"تجهيز الصورة وملفات Haar
ضع صورة باسم photo.jpg بجوار الملف، أو استخدم مسارًا كاملًا. تأتي ملفات التصنيف المستخدمة هنا ضمن بيانات إصدار OpenCV 4، ولذلك يحدد أمر التثبيت الإصدار الرئيسي. نفحص empty بعد تحميل كل مصنف حتى يظهر خطأ مفهوم عند فقدان ملف XML. التصنيف يحتاج تباينًا مناسبًا ووجهًا أماميًا نسبيًا؛ الظلال والنظارات وزاوية الرأس قد تقلل عدد الاكتشافات، وقد تظهر نتائج خاطئة.
كيف تعمل الإحداثيات والقصاصات؟
تُرجع حلقة الوجوه x وy وw وh لكل وجه. ترتيب قص مصفوفة الصورة هو الصفوف أولًا ثم الأعمدة، أي y ثم x. أما إحداثيات العينين فهي نسبية إلى المنطقة المقصوصة، لذلك نضيف x وy الأصليتين عند رسمها على الصورة الكاملة. توضع جميع عمليات الرسم داخل الحلقة؛ إذا لم يوجد وجه فلن تستخدم متغيرات لم تُعرّف. وتحتفظ قائمة crops بنسخ مستقلة كي لا تتأثر بتعديلات الصورة المعروضة.
المثال البرمجي الكامل
from pathlib import Path
import cv2
def classifiers():
root = Path(cv2.data.haarcascades)
face = cv2.CascadeClassifier(str(root / "haarcascade_frontalface_default.xml"))
eye = cv2.CascadeClassifier(str(root / "haarcascade_eye.xml"))
if face.empty() or eye.empty():
raise RuntimeError("Cannot load cascade files")
return face, eye
def annotate(image, face_detector, eye_detector):
output = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
faces = face_detector.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
crops = []
for x, y, w, h in faces:
crops.append(image[y:y+h, x:x+w].copy())
cv2.rectangle(output, (x, y), (x+w, y+h), (0, 255, 0), 2)
eyes = eye_detector.detectMultiScale(gray[y:y+h, x:x+w], minNeighbors=5)
for ex, ey, ew, eh in eyes:
cv2.rectangle(output, (x+ex, y+ey), (x+ex+ew, y+ey+eh), (255, 0, 0), 2)
return output, crops
if __name__ == "__main__":
image = cv2.imread("photo.jpg")
if image is None:
raise FileNotFoundError("photo.jpg")
result, crops = annotate(image, *classifiers())
folder = Path("detected_faces")
folder.mkdir(exist_ok=True)
for index, crop in enumerate(crops):
if not cv2.imwrite(str(folder / f"face_{index}.png"), crop):
raise OSError("Cannot save cropped face")
if not cv2.imwrite("detected.png", result):
raise OSError("Cannot save detected.png")
print("Faces detected:", len(crops))
تشغيل المثال وقراءة النتيجة
احفظ الكود باسم detect_faces.py وشغله بالأمر python detect_faces.py. سيكتب detected.png ويطبع العدد، ثم يحفظ face_0.png وما يليها داخل detected_faces. وجود صفر وجه نتيجة ممكنة ولا يبرر إعادة المحاولة بلا نهاية. عند إعادة التشغيل قد تتحدث ملفات الصور ذات الأسماء نفسها؛ استخدم مجلد تجربة أو أضف بادئة مختلفة إن أردت الاحتفاظ بكل تشغيل.
تحسين الاكتشاف دون افتراض دقة ثابتة
ابدأ بصورة واضحة قبل تعديل scaleFactor وminNeighbors. زيادة عدد الجيران قد تقلل الاكتشافات الخاطئة وتفقد بعض الوجوه، وتقليل حجم الوجه الأدنى يزيد العمل الحسابي. جرّب صورة فارغة، وصورة بوجه واحد، وأخرى بعدة وجوه، وقارن الصناديق بصريًا. لا تستخدم وجود مربع وحده كإثبات هوية، ولا تفترض أن كل وجه يحتوي عينين مكتشفتين. استخدم صورًا تملك حق استعمالها واحفظ بيانات التجربة محليًا.
هل يمكن حفظ أول ثلاثة وجوه فقط؟
نعم، عالج الصورة مرة واحدة ثم خذ crops[:3] عند الحفظ. لا تستخدم حلقة تستمر حتى يصل العدد إلى ثلاثة؛ فقد تحتوي الصورة وجهًا واحدًا أو لا تحتوي وجهًا أصلًا. إذا كان المطلوب التقاط ثلاث عينات من فيديو، فضع مهلة أو عدد إطارات أقصى واسمح للمستخدم بالإلغاء. وحدد هل تريد ثلاث قصاصات أم ثلاثة أشخاص مختلفين، لأن إطارين متتاليين قد يصوران الوجه نفسه. الرقم في اسم الملف مجرد ترتيب ولا يمثل هوية الشخص.
كيف أراجع نتيجة العينين؟
افتح detected.png وقارن كل مستطيل صغير بموقع العين في الصورة الأصلية. قد يعيد المصنف أكثر من منطقتين أو يفشل مع النظارات، ولا يصح حذف النتائج حتى يتبقى اثنان ثم وصفهما بأنهما عينان مؤكدتان. يمكن إضافة قواعد هندسية داخل الجزء العلوي من الوجه وتجربتها، لكن احتفظ بنتيجة الكشف الأصلية أثناء التطوير لفهم سبب الاختلاف. وعند تغيير حجم الصورة قبل الكشف احسب معامل التحويل عند إعادة الإحداثيات إلى الصورة الأصلية.
ماذا أتعلم بعد هذا المثال؟
افصل حفظ القصاصات عن الرسم إذا أردت استعمال الدوال في واجهة رسومية. مرر الصورة إلى annotate وراجع العدد قبل عرض رسالة نجاح، واختبر أن المدخل نفسه لا يتغير لأن النتيجة مبنية على copy. يمكن استعمال القصاصات لاحقًا في تجربة مقارنة مرجعية، مع بقاء الكشف خطوة لتحديد المكان فقط. لا تنقل وصف النتيجة من وجه مكتشف إلى شخص معروف دون مرحلة مقارنة واختبار مستقلين.
المراجع
شرح OpenCV الرسمي لمصنفات Haar
الصور والفيديو من الشرح السابق
الكود النصي أعلاه هو النسخة المصححة؛ قد تختلف المواد المرئية السابقة في أسماء المتغيرات أو طريقة التشغيل.






