图片人脸检测——OpenCV版（二）

多张脸识别效果图： 

技术实现思路

图片转换成灰色（去除色彩干扰，让图片识别更准确）

图片上画矩形

使用训练分类器查找人脸

具体实现代码

图片转换成灰色

使用OpenCV的cvtColor()转换图片颜色，代码如下：

1 2 3 4 5 6 7 8 9 10

import cv2   filepath = "img/xingye-1.jpg" img = cv2.imread(filepath) # 转换灰色 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 显示图像 cv2.imshow("Image", gray) cv2.waitKey(0) cv2.destroyAllWindows()

图片上画矩形

使用OpenCV的rectangle()绘制矩形，代码如下：

1 2 3 4 5 6 7 8 9 10 11 12

import cv2   filepath = "img/xingye-1.jpg" img = cv2.imread(filepath)  # 读取图片 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换灰色 x = y = 10  # 坐标 w = 100  # 矩形大小（宽、高） color = (0, 0, 255)  # 定义绘制颜色 cv2.rectangle(img, (x, y), (x + w, y + w), color, 1)  # 绘制矩形 cv2.imshow("Image", img)  # 显示图像 cv2.waitKey(0) cv2.destroyAllWindows()  # 释放所有的窗体资源

使用训练分类器查找人脸

在使用OpenCV的人脸检测之前，需要一个人脸训练模型，格式是xml的，我们这里使用OpenCV提供好的人脸分类模型xml，下载地址：https://github.com/opencv/opencv/tree/master/data/haarcascades 可全部下载到本地，本人存放的路径是：C:\Python36\Lib\site-packages\opencv-master\data\haarcascades.

完整实现代码：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

import cv2   filepath = "img/xingye-1.jpg" img = cv2.imread(filepath)  # 读取图片 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换灰色   # OpenCV人脸识别分类器 classifier = cv2.CascadeClassifier(     "C:\Python36\Lib\site-packages\opencv-master\data\haarcascades\haarcascade_frontalface_default.xml" ) color = (0, 255, 0)  # 定义绘制颜色 # 调用识别人脸 faceRects = classifier.detectMultiScale(     gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) if len(faceRects):  # 大于0则检测到人脸     for faceRect in faceRects:  # 单独框出每一张人脸         x, y, w, h = faceRect         # 框出人脸         cv2.rectangle(img, (x, y), (x + h, y + w), color, 2)         # 左眼         cv2.circle(img, (x + w // 4, y + h // 4 + 30), min(w // 8, h // 8),                    color)         #右眼         cv2.circle(img, (x + 3 * w // 4, y + h // 4 + 30), min(w // 8, h // 8),                    color)         #嘴巴         cv2.rectangle(img, (x + 3 * w // 8, y + 3 * h // 4),                       (x + 5 * w // 8, y + 7 * h // 8), color)   cv2.imshow("image", img)  # 显示图像 c = cv2.waitKey(10)   cv2.waitKey(0) cv2.destroyAllWindows()