openCV编程基础26--人脸检测

人脸检测需要使用人脸检测分类器,由于opencv的安装是用pip安装的,所以缺少人脸检测分类器,可在以下链接下载。

https://github.com/opencv/opencv

下载完成后解压,将文件夹,随便放在一个地方,记住haarcascade_frontalface_alt_tree.xml的地址

检测图相中的人脸

import cv2 as cv
import numpy as np

def face_detect_image(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    face_detector = cv.CascadeClassifier("F:/opencv-master/data/haarcascades/haarcascade_frontalface_alt_tree.xml")
    faces = face_detector.detectMultiScale(gray, 1.02, 5)  # 第二个参数是移动距离,第三个参数是识别度,越大识别读越高
    for x, y, w, h in faces:
        cv.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)  # 后两个参数,一个是颜色,一个是边框宽度
    cv.imshow("result", image)

src = cv.imread('F:001.jpg')
#cv.namedWindow('input_image', cv.WINDOW_AUTOSIZE)
cv.imshow("0", src)
face_detect_image(src)
cv.waitKey(0)
cv.destroyAllWindows()

输出结果:

 

检测视频流中的人脸

import cv2 as cv
import numpy as np

def face_detect_image(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    face_detector = cv.CascadeClassifier("F:/opencv-master/data/haarcascades/haarcascade_frontalface_alt_tree.xml")
    faces = face_detector.detectMultiScale(gray, 1.02, 5)  # 第二个参数是移动距离,第三个参数是识别度,越大识别读越高
    for x, y, w, h in faces:
        cv.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)  # 后两个参数,一个是颜色,一个是边框宽度
    cv.imshow("result", image)

capture = cv.VideoCapture(0)
while (True):
    ret, frame = capture.read()
    frame = cv.flip(frame, 1)  # 对视频做一个镜像对称变化
    face_detect_image(frame)
    c = cv.waitKey(50)
    if c == 27:  # 如果按下Esc键,退出视频
        break

输出结果:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值