计算机视觉---opencv人脸识别

import cv2

#步骤1：载入图像
img = cv2.imread(r'C:\Users\yu\Desktop\1.jpg')
img = cv2.resize(img,(int(img.shape[1]/2),int(img.shape[0]/2)))
cv2.imshow("test",img)
cv2.waitKey(0)
gray = cv2.cvtColor(img , cv2.COLOR_BGR2GRAY)  #将图像转换成灰度模式   opencv载入图像的方式是BGR
cv2.imshow("test",gray)
cv2.waitKey(0)

#为什么不直接在载入图像的时候指定灰度图像？而是要转化
#因为在 标记的时候要显示到原图中去，而不是在灰度图中显示

#步骤1：创建级联分类器   xml文件是大数据训练好的人脸特征数据（需要下载）
face_cascade = cv2.CascadeClassifier(r'C:\Users\yu\Desktop\haarcascade_frontalface_default.xml')

#步骤2：将Numpy数组中的数据与级联分类器中的特征数据进行匹配，找到人脸。（已经记录坐标）
faces = face_cascade.detectMultiScale(gray,scaleFactor = 1.05,minNeighbors=5)
    #参数1:传入需要检测人脸的图像  参数2：每次图像缩小的比例（脸有大有小，所以要不断缩小尺寸）  参数3：每一个目标至少要检测多少次才判定为最终的目标

#步骤3：框出人脸（提取上一步的坐标）  上一个方法detectMultiScale已经得到了脸部的坐标，只需要提取出来即可
for x,y,w,h in faces:
    img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),3) #线条宽度是3

cv2.imshow("test",img)
cv2.waitKey(0)

 

作业：

import cv2

#步骤1：加载图片
img = cv2.imread(r'C:\Users\yu\Desktop\l.jpg')  #读取图像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)     #转化成灰度模式  BGR

#步骤2：创建级联分类器，加载xml所有图片
face_cascade = cv2.CascadeClassifier(r'C:\Users\yu\Desktop\haarcascade_frontalface_default.xml')

 #步骤3：将Numpy数组中的数据与级联分类器中的特征数据进行匹配，找到人脸。（已经记录坐标）
faces = face_cascade.detectMultiScale(gray , scaleFactor = 1.25 , minNeighbors = 5 )

#步骤4：读取坐标并显示矩形
for x,y,w,h in faces:
    img = cv2.rectangle(img , (x,y) , (x+w,y+h), (0,255,0) , 3)
resized = cv2.resize(img,(int(img.shape[1]/2.5),int(img.shape[0]/2.5)))
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.imshow("love",resized)
cv2.waitKey(0)