Python-opencv简单人脸检测和识别实现（摄像头，mp4,图片）

摄像头/视频 

问题1：使用cv2时，一直报错cv2.error: OpenCV(4.9.0) :-1: error: (-5:Bad argument) in function 'cvtColor' > Overload resolution failed: > - src is not a numpy array, neither a scalar > - Expected Ptr<cv::UMat> for argument 'src'

face_cascade = cv2.CascadeClassifier('D:/cv2/data/haarcascade_frontalface_default.xml')
#face_cascade=cv2.CascadeClassifier(cv2.data.haarcascade+'haarcascade_frontalface_default.xml')

解决方法：后来怀疑是自己电脑有中文路径的原因，于是将cv2的包单独挪了出来，用绝对路径导入，然后成功了

代码思路：

• 使用摄像头进行人脸识别时，需要通过 OpenCV 中的 cv2.VideoCapture() 函数打开摄像头设备/打开视频文件，并在循环中持续读取摄像头捕获的每一帧图像数据。

import cv2

face_cascade = cv2.CascadeClassifier('D:/cv2/data/haarcascade_frontalface_default.xml')
#face_cascade=cv2.CascadeClassifier(cv2.data.haarcascade+'haarcascade_frontalface_default.xml')


# 打开摄像头
#cap = cv2.VideoCapture(0)

# 打开视频文件
video_path = ".mp4"
cap = cv2.VideoCapture(video_path)


while True:
    # 读取一帧
    ret, frame = cap.read()
    if not ret:
        break

    # 将帧转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 人脸检测
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    # 画框
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)

    # 显示结果图像
    cv2.imshow('face detection', frame)

    # 等待按键操作，如果按下 'q' 键则退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头和关闭窗口
cap.release()
cv2.destroyAllWindows()

图片

问题2：在使用图片进行人脸识别时刚运行就闪退

# 暂停程序执行并等待用户按键
cv2.waitKey(0)

原因：没有加上cv2.waitKey(0)，加上即可

cv2.waitKey(0)用于暂停程序执行并等待用户按键，常用于实时图像显示和交互

代码思路：

• 使用图片进行人脸识别时，不需要循环读取图像数据，只需一次性加载图像文件即可。因此，不需要使用 cv2.VideoCapture() 函数，而是直接使用 cv2.imread() 函数读取图片文件。

import cv2

# 加载人脸分类器
face_cascade = cv2.CascadeClassifier('D:/cv2/data/haarcascade_frontalface_default.xml')

# 读取输入图片
image_path = "D:/008nyUXuly1hh2ooao02jj31t037ku0x.jpg"
img = cv2.imread(image_path)

# 将图片转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 人脸检测
faces = face_cascade.detectMultiScale(gray, 1.3, 5)

# 画框
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

# 将输出的图片缩小
resized_img = cv2.resize(img, (0, 0), fx=0.5, fy=0.5)  # 缩小为原始尺寸的一半

# 显示结果图像
cv2.imshow('face detection', resized_img)
# 暂停程序执行并等待用户按键
cv2.waitKey(0)
# 释放所有窗口
cv2.destroyAllWindows()

在代码中，人脸检测和绘制框的部分通常是相同的，不论是摄像头、视频还是图片，都使用相同的人脸检测算法和绘制框的方法。主要区别在于图像数据的获取方式。