Python OpenCV人脸检测代码有时会引发'tuple'对象没有属性'shape'`

一尘不染

Python OpenCV人脸检测代码有时会引发'tuple'对象没有属性'shape'`

python

我正在尝试使用opencv在python中构建人脸检测应用程序。
请参阅下面的代码段：

 # Loading the Haar Cascade Classifier
cascadePath = "/home/work/haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)

# Dictionary to store image name & number of face detected in it
num_faces_dict = {}

# Iterate over image directory. 
# Read the image, convert it in grayscale, detect faces using HaarCascade Classifier
# Draw a rectangle on the image

for img_fname in os.listdir('/home/work/images/caltech_face_dataset/'):
    img_path = '/home/work/images/caltech_face_dataset/' + img_fname
    im = imread(img_path)
    gray = cv2.cvtColor(im, cv2.COLOR_RGB2GRAY)
    faces = faceCascade.detectMultiScale(im)
    print "Number of faces found in-> ", img_fname, " are ", faces.shape[0]
    num_faces_dict[img_fname] = faces.shape[0]
    for (x,y,w,h) in faces:
        cv2.rectangle(im, (x,y), (x+w,y+h), (255,255,255), 3)
    rect_img_path = '/home/work/face_detected/rect_' + img_fname
    cv2.imwrite(rect_img_path,im)

此代码对于大多数图像都适用，但是对于其中的某些图像则会引发错误-

AttributeError：“元组”对象没有属性“ shape”

在打印面数的行中出现错误。任何帮助，将不胜感激。

阅读 363

2021-01-20

共1个答案

一尘不染

问题的原因是当没有匹配项时detectMultiScale返回一个空的元组()，而numpy.ndarray在有匹配项时返回一个空的元组。

>>> faces = classifier.detectMultiScale(cv2.imread('face.jpg'))
>>> print(type(faces), faces)
<class 'numpy.ndarray'> [[ 30 150  40  40]]

>>> faces = classifier.detectMultiScale(cv2.imread('wall.jpg'))
>>> print(type(faces), faces)
<class 'tuple'> ()

您可能期望负结果将是形状为（0,4）的ndarray，但事实并非如此。

该行为及其背后的原因未在文档中进行说明，而是指示返回值应为“对象”。

OpenCV有很多这样的疣，而隐秘的错误消息也无济于事。处理它的一种方法是在代码中添加日志记录语句或断言，以检查所有内容是否都是您期望的类型。

在这种情况下，您可以不使用来解决您的问题shape。Python有那些序列或集合，例如许多的数据类型tuple，list和dict。所有这些都实现了len()内置功能，您也可以使用循环它们for x in y。相反，shape它只是的一个属性numpy.ndarray，在任何内置的python数据类型中都找不到。

如果您将代码重写为uselen(faces)而不是，则您的代码应该可以工作faces.shape[0]，因为前者可同时用于tuple和ndarray。

for img_fname in os.listdir('/home/work/images/caltech_face_dataset/'):
    img_path = '/home/work/images/caltech_face_dataset/' + img_fname
    im = imread(img_path)
    gray = cv2.cvtColor(im, cv2.COLOR_RGB2GRAY)
    faces = faceCascade.detectMultiScale(gray)  # use the grayscale image
    print "Number of faces found in-> {} are {}".format(
        img_fname, len(faces))  # len() works with both tuple and ndarray
    num_faces_dict[img_fname] = len(faces)
    # when faces is (), the following loop will never run, so it's safe.
    for (x,y,w,h) in faces: 
        cv2.rectangle(im, (x,y), (x+w,y+h), (255,255,255), 3)
    rect_img_path = '/home/work/face_detected/rect_' + img_fname
    cv2.imwrite(rect_img_path,im)

2021-01-20