本次程序使用Haar特征级联分类器(Haar Cascade Classifier),通常与OpenCV库一起使用,OpenCV为Haar特征级联分类器提供了预训练的模型和方便的接口。虽然OpenCV库本身包含了实现Haar特征级联分类器的代码,但通常用户不需要直接编写这些算法的源码,而是可以直接使用OpenCV提供的函数。
import cv2
# 加载预训练的Haar级联分类器模型
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
# 读取图像
img = cv2.imread('face.jpg')
# 转换为灰度图像,因为Haar特征在灰度图像上运行得更快
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 进行人脸检测
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# 在检测到的每个人脸周围画矩形
for (x,y,w,h) in faces:
cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
# 显示结果图像
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
上面是读取图片的算法,下面我将提供读取视频的相应算法:
import cv2
# 加载预训练的Haar级联分类器模型
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
# 打开视频文件
video = cv2.VideoCapture('input_video.mp4')
# 检查视频是否成功打开
if not video.isOpened():
print("Error opening video stream or file")
exit()
# 读取视频帧并检测人脸
while True:
# 读取下一帧
ret, frame = video.read()
# 如果无法读取到更多帧,则退出循环
if not ret:
break
# 将帧转换为灰度图像
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 进行人脸检测
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# 在检测到的每个人脸周围画矩形
for (x, y, w, h) in faces:
cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
# 显示结果帧
cv2.imshow('Video Face Detection', frame)
# 等待按键,如果按下'q'键则退出循环
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 释放视频文件和窗口
video.release()
cv2.destroyAllWindows()
这个示例仅显示处理后的视频帧,并不保存视频。如果你想要保存处理后的视频到一个新的文件中,你需要使用
cv2.VideoWriter
来创建和写入视频文件。同时,你需要考虑帧率和编码设置以确保保存的视频质量符合你的要求。