第一篇先学会人脸检测,这里通过利用opencv自带的分类器里的人脸分类器来进行人脸检测
废话不多说,直接上代码:
1、图片检测
import cv2 #导入库
img = cv2.imread("test1.jpg")# 读取图片,获取BGR
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 转换灰色
classifier = cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")# 读取人脸分类器
color = (255, 0, 0) # 定义框的颜色
# 在灰度图里搜索人脸
faceRects = classifier.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5, 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 # 读取脸的坐标和长宽
# 框出人脸
cv2.rectangle(img, (x, y), (x + h, y + w), color, 2)
cv2.imshow("image", img) # 显示图像
c = cv2.waitKey(10) # 延时10s
cv2.waitKey(0) # 获取按键
cv2.destroyAllWindows() # 关闭窗口
检测结果如下图:
2、摄像头检测
import cv2 #导入库
cv2.namedWindow("test")#命名一个窗口
cap=cv2.VideoCapture(0)#打开0号摄像头 可以用视频的名字 如"a.avi","a.mp4"
success, frame = cap.read()#读取一桢图像,前一个返回值是是否成功,后一个返回值是图像本身
color = (255,0,0)#设置人脸框的颜色
classfier=cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")#读取模型,定义分类器
while success: #一直读取到图像
success, frame = cap.read()#读取一桢图像
image = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)#将当前桢图像转换成灰度图像(这里有修改)
faceRects = classfier.detectMultiScale(image, 1.3, 5)#人脸检测 1.3 每次搜索窗口依次扩大30%
if len(faceRects)>0:#如果人脸数组长度大于0
for faceRect in faceRects: #对每一个人脸画矩形框
x, y, w, h = faceRect #获取人脸的长宽和坐标
cv2.rectangle(frame, (x, y), (x+w, y+h), color) #在图像上按人脸的坐标画框
cv2.imshow("test", frame)#显示图像
key=cv2.waitKey(1) #1s延时获取键值
c = chr(key & 255)
if c in ['q', 'Q', chr(27)]: #如果键值为 Qq、Esc 就跳出循环
break
cv2.destroyWindow("test") #销毁窗口
检测结果如下: