人脸识别-多张人脸检测

目录

写在前面 

具体程序 

得到结果:


写在前面 

人脸识别-Haar级联_am_student的博客-CSDN博客

在进行单张检测之后,在实际应用中往往是不仅仅是一个人出现在图片中。

同样的方法,利用面部识别加载特征数据。

我们找来了一张含多人面部的图片进行显示测试:

具体程序 

import cv2 as cv
def face_detect_demo():
    #将图片灰度
    gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    #加载特征数据
    face_detector = cv.CascadeClassifier(
        'C:/Users/ZXY13/Desktop/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    faces = face_detector.detectMultiScale(gray)
    for x,y,w,h in faces:
        print(x,y,w,h)
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
        cv.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=2)#计算圆的位置
    #显示图片
    cv.imshow('result',img)

#加载图片
img=cv.imread('face3.jpg')
#调用人脸检测方法
face_detect_demo()
cv.waitKey(0)
cv.destroyAllWindows()

得到结果:

 可以看出来的是,存在一定的误差,在后续应用中还需改进。

  • 3
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
人脸识别是指利用计算机视觉技术对图像或视频中的人脸进行自动识别和分析的过程。人脸识别技术主要包括特征检测和人脸匹配两个部分。 特征检测是指从图像中提取出与人脸有关的特征信息,包括人脸的轮廓、眼睛、鼻子、嘴巴等特征点。在特征检测过程中,通常会使用Haar特征分类器、HOG特征分类器或者深度学习的卷积神经网络等算法来实现。 人脸匹配是指将提取出来的人脸特征与数据库中已有的人脸特征进行比对,以判断该人脸是否已经被识别过或者是否为指定人员。常见的人脸匹配算法包括欧氏距离匹配算法、余弦相似度匹配算法、支持向量机(SVM)等。 关于利用C++实现人脸识别的代码,可以参考开源库OpenCV中的示例代码,该库提供了丰富的图像处理和计算机视觉功能,包括人脸检测和识别等。以下是一个简单的基于OpenCV人脸检测和识别的代码示例: ```c++ #include <opencv2/opencv.hpp> #include <opencv2/face.hpp> using namespace cv; using namespace std; using namespace cv::face; int main(int argc, char** argv) { // 加载人脸检测器和识别器 CascadeClassifier face_cascade; face_cascade.load("haarcascade_frontalface_alt.xml"); Ptr<LBPHFaceRecognizer> recognizer = LBPHFaceRecognizer::create(); // 加载训练好的模型 recognizer->read("model.xml"); // 打开摄像头 VideoCapture cap(0); if (!cap.isOpened()) { cout << "无法打开摄像头!" << endl; return -1; } while (true) { Mat frame; cap >> frame; // 转换成灰度图像并进行直方图均衡化 Mat gray; cvtColor(frame, gray, COLOR_BGR2GRAY); equalizeHist(gray, gray); // 检测人脸 vector<Rect> faces; face_cascade.detectMultiScale(gray, faces, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30)); // 对每个检测到的人脸进行识别 for (size_t i = 0; i < faces.size(); i++) { Mat face = gray(faces[i]); resize(face, face, Size(92, 112)); // 将人脸图像缩放到指定大小 int label = -1; double confidence = 0.0; recognizer->predict(face, label, confidence); // 在图像中标注出人脸位置和识别结果 rectangle(frame, faces[i], Scalar(255, 0, 0), 2); putText(frame, format("Person %d", label), Point(faces[i].x, faces[i].y - 5), FONT_HERSHEY_PLAIN, 1.0, Scalar(0, 255, 0), 2); } imshow("Face Recognition", frame); if (waitKey(30) == 'q') break; } return 0; } ```
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

打赏作者

进步小白

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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