OpenCV应用2——人脸检测

人脸检测

• 注意：这里需要使用到github里面提供的人脸数据文件，上github官网上搜索opencv点击第一个，在点击data，保存haarcascade_frontalface_alt.xml文件，但本人今天挂了加速器都进不去改文件的raw界面，不知道是什么原因。
• 如果能够进去raw界面。保存到你代码的当前目录下，实行我以下的操作即可。

单个人脸检测

import cv2
import numpy as np

if __name__ == '__main__':
    img = cv2.imread("D:\\Python\\OpenCV\\OpenCV01\\face.jpg")
    # 加载人脸特征文件（使用了级联分类器），人脸特征的详细说明
    # 符合其中的一部分，就算做人脸
    face_detector = cv2.CascadeClassifier('./haarcascade_frontalface_alt.xml')
    # 检测出的人脸是坐标，左上角坐标和人脸的宽度和高度
    faces = face_detector.detectMultiScale(img)
    print(faces)
    # 进行数组的遍历
    for x, y, w, h in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

    cv2.imshow('face', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

多张人脸检测

• 其实代码大体上相同，因为我本来就写了for循环，相当于寻找所有的人脸。
• 如若人脸遗漏，调整face_detector.detectMultiScale()的参数。

import cv2
import numpy as np

if __name__ == '__main__':
    img = cv2.imread("D:\\Python\\OpenCV\\OpenCV01\\nvpai.jpg")
    # 转换成灰度图，数据变少
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 加载人脸特征文件（使用了级联分类器），人脸特征的详细说明
    # 符合其中的一部分，就算做人脸
    face_detector = cv2.CascadeClassifier('./haarcascade_frontalface_alt.xml')
    # 检测出的人脸是坐标，左上角坐标和人脸的宽度和高度
    # 如若有人脸遗漏，则调整参数，scaleFactor（缩放）默认为1.1，即扫描的步伐大小，minNeighbors越大，人脸检测出来的越少
    faces = face_detector.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=3)
    print(faces)
    # 进行数组的遍历
    for x, y, w, h in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

    cv2.imshow('face', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()