1.CascadeClassifier() 返回一个级联分类器对象.
参数1:filename--分类器地址
2.detectMultiScale() 它可以检测出图片中所有的人脸,并将人脸用vector保存各个人脸的坐标、大小(用矩形表示),函数由分类器对象调用
参数1:image--待检测图片,一般为灰度图像加快检测速度;
参数2:objects--被检测物体的矩形框向量组;
参数3:scaleFactor--表示在前后两次相继的扫描中,搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;
参数4:minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。
如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。
如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框,
这种设定值一般用在用户自定义对检测结果的组合程序上;
参数5:flags--要么使用默认值,要么使用CV_HAAR_DO_CANNY_PRUNING,如果设置为
CV_HAAR_DO_CANNY_PRUNING,那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域,
因此这些区域通常不会是人脸所在区域;
参数6、7:minSize和maxSize用来限制得到的目标区域的范围。
import cv2 as cv
camera=cv.VideoCapture(0) #获取摄像头设备
face_cascade=cv.CascadeClassifier("haarcascades\haarcascade_frontalface_alt.xml") #创建人脸级联分类器
eye_cascade=cv.CascadeClassifier('haarcascades\haarcascade_eye.xml') #创建人眼级联分类器
cv.namedWindow('face and eye') #创建 一个名字为face and eye 的窗口
while True: #循环读取帧 并且显示在窗口上
status,img=camera.read() #读取一帧
grey=cv.cvtColor(img,cv.COLOR_BGR2GRAY) #帧转RGB 灰度图像
face=face_cascade.detectMultiScale(grey,1.03,4) #找出人脸 返回vector
for (x,y,w,h) in face: #遍历每张人脸vector
img=cv.rectangle(img,(x,y),(x+w,y+h),(255,255,255),1) #把人脸周围画白色框
roi_grey=grey[y:y+h,x:x+w] #将人脸单独提出来
cv.imwrite('roi_grey.jpg',roi_grey) #写出人脸 测试用
eye=eye_cascade.detectMultiScale(roi_grey,1.03,5,0,(40,40)) # 从人脸部分遍历人眼
for (ex,ey,ew,eh) in eye: #画框
img=cv.rectangle(img,(x+ex,y+ey),(x+ex+ew,y+ey+eh),(0,255,0),1)
cv.imshow('face and eye',img)#显示
cv.waitKey(1)#延迟1毫秒 避免卡顿