人脸检测
接下来我们先拿一个简单的人脸检测项目练练手
我们的目标是实现通过摄像头实时检测人脸。
这里我们要用到一个分类器这个分类器可以从github上下载也可以从我们的Python第三包里直接用。(在cv2包的data文件夹里面)
# -*- coding: utf-8 -*
import cv2
def face_detect_function(img):
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
face_detect = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') #人脸识别分类器
face = face_detect.detectMultiScale(gray_img)
for x,y,w,h in face:
cv2.rectangle(img,(x,y,w,h),color=(0,0,255),thickness=2) #能将人脸找出,相机框框
cv2.imshow('1',img)
#读取摄像头
video = cv2.VideoCapture(0) #0默认电脑摄像头
#等待
while True:
flag,frame = video.read()
if not flag:
break
face_detect_function(frame)
if ord('q') == cv2.waitKey(1): #没有waitkey不显示图片,代码中意思为按q退出
break
#释放内存
cv2.destroyAllWindows()
#释放摄像头
video.release()
这么多分类器都是干什么用的呢?这里就列举几个,根据使用的检测器不同我们也可以检测不同的部位。
人脸检测器(默认):haarcascade_frontalface_default.xml
人脸检测器(快速Harr):haarcascade_frontalface_alt2.xml
人脸检测器(侧视):haarcascade_profileface.xml
眼部检测器(左眼):haarcascade_lefteye_2splits.xml
眼部检测器(右眼):haarcascade_righteye_2splits.xml
效果就大概是这样了,当然我们也可以通过调节 detectMultiScale来增加人脸识别准确率。
face = face_detect.detectMultiScale(gray_img,1.1,5,0,(10,10),(500,500)) #能将人脸找出,相机框框