2 多张人脸检测
2.3 harr分类器
2.2 opencv detectMultiScale()
默认参数如图所示。
-
image 输入图像
-
objects 表示检测到的人脸目标序列
-
scaleFactor 表示每次图像尺寸减小的比例
-
minNeighbors 表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大小都可以检测到人脸),
-
minSize 为目标的最小尺寸
-
minSize 为目标的最大尺寸
2.1 举例
# 检测多张人脸
import cv2 as cv
# 编辑要调用的方法
def face_detect_demo():
# 将图片转换为灰度图
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 加载特征数据(分类器),harr分类器,也有其他的可以用,也可以自己训练
face_detector = cv.CascadeClassifier('D:/LenovoQMDownload/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
# 对gray进行识别,人脸检测完成后返回一个人脸区域faces, 其他参数选择默认时的效果不理想。
# faces = face_detector.detectMultiScale(gray)
# 针对不同的场景调整后面的参数,找到满意的识别效果。
faces = face_detector.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=3, minSize=(80, 80))
# x,y是坐标,w,h是宽度和高度
for x, y, w, h in faces:
print(x, y, w, h)
# 在彩色图像上绘制矩形框,调用rectangle,(x,y)是左上角,(x + w, y + h)右下角,图框颜色BGR绿色,图框宽度
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)
# 画完图框后进行显示
cv.imshow('result', img)
img = cv.imread('E:\\Picture\\faceT1.jpg')
#cv.imshow('input_img', img)
# 调用函数
face_detect_demo()
cv.waitKey(0)
# 释放内存空间
cv.destroyAllWindows()
原图
没有 定义minSize之前(x, y, w, h)输出
188 174 218 218
410 127 229 229
135 411 73 73
左下角的图框(w, h)=( 73, 73)
参数minSize=(80, 80)后: