基于opencv实现人脸识别

利用opencv，及自带的人脸识别训练结果（安装包site_package下cv2包内data下的haarcascade_frontalface_default.xml）

这里的opencv可以使用： pip install opencv-python 安装！MAC可能需要brew安装再关联包。

我们需要准备：

1. 待识别的图片
2. 准备haarcascade_frontalface_default.xml文件

我们计划识别lenna的图片:

import cv2

if __name__ == "__main__":
    # 文件地址
    file = r'./files/lenna.jpeg'
    # 人脸识别训练结果文件
    cascade = r'./files/haarcascade_frontalface_default.xml'

    # 读取彩色图片，用以识别后的结果绘图
    img = cv2.imread(file)
    # 将文件转化为灰度模式
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 创建集联分类器
    face_cascade = cv2.CascadeClassifier(cascade)
    # 开始扫描人脸, 参数可调，描述后附
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=5)

    # 扫描的结果，为左上角坐标及宽，高
    for x, y, w, h in faces:
        # 将结果在彩色图片上用绿色的矩形绘制出来
        img = cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 3)

    # 显示最终结果
    cv2.namedWindow("lenna")
    cv2.imshow("lenna", img)
    # 等待相应任意按键，结束程序
    cv2.waitKey(0)
    cv2.destroyAllWindows()

运行结果如下：

• 参数解读：

参数名	解释
scaleFactor	默认值为1.1。scale_factor参数可以决定两个不同大小的窗口扫描之间有多大的跳跃，这个参数设置的大，则意味着计算会变快，但如果窗口错过了某个大小的人脸，则可能丢失物体。
minNeighbors	默认值3。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)

如果对您有帮助，欢迎点赞评论！