一、在静态图像上进行人脸检测
基本流程:
- 加载图片
- 检测人脸
- 绘制矩形
代码编写
import cv2
import matplotlib.pyplot as plt
# 创建CascadeClassifier对象face_cascade,用于加载人脸级联检测
face_cascade = cv2.CascadeClassifier(
'C:/MyOpenCV/cascades/haarcascade_frontalface_default.xml')
# 读取图片并转换为灰度图像(CascadeClassifier需要灰度图像)
src = cv2.imread('C:/MyOpenCV/cascades/woodcutters.jpg')
img = src.copy()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 进行实际的人脸检测
faces = face_cascade.detectMultiScale(gray, 1.08, 5)
for (x, y, w, h) in faces:
img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
# 显示图像
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10, 8), dpi=100)
axes[0].imshow(src[:, :, ::-1])
axes[0].set_title("原图")
axes[1].imshow(img[:, :, ::-1])
axes[1].set_title("人脸检测后的图像")
plt.show()
说明:
1. OpenCV API:
faces = face_cascade.detectMultiScale(image, scaleFactor, minNeighbors, minSize, maxSize)
参数:
- image:要进行检测的人脸图像(灰度图像)
- scaleFactor:前后两次扫描中,搜索窗口的比例系数,参数应大于1.0,确定人脸检测过程中每次迭代时图像的降尺度比率。
- minNeighbors:目标至少被检测到 minNeighbors 次才会被认为是目标。
- minSize、maxSize:目标的最小尺寸和最大尺寸。
返回值:
- faces :返回的是一个人脸矩形的元组列表(x, y, w, h)
2.结果:
缺少 haarcascade_frontalface_default.xml 等类似文件的可从如下网址获取:
二、在视频上进行人脸识别
基本流程:
- 获取视频文件 / 摄像头回传信号
- 读取一帧图像
- 检测人脸
- 在检测到的人脸内检测眼睛
- 分别绘制矩形
代码编写
import cv2 as cv
# 初始化两个CascadeClassifier对象,分别用于人脸和眼睛
face_cascade = cv.CascadeClassifier(
'C:/MyOpenCV/cascades/haarcascade_frontalface_default.xml')
eye_cascade = cv.CascadeClassifier(
'C:/MyOpenCV/cascades/haarcascade_eye.xml')
camera = cv.VideoCapture(0)
while (cv.waitKey(1) == -1):
success, frame = camera.read()
if success:
gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(
gray, 1.3, 5, minSize=(120, 120))
for (x, y, w, h) in faces:
cv.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
roi_gray = gray[y:y + h, x:x + w]
eyes = eye_cascade.detectMultiScale(
roi_gray, 1.1, 5, minSize=(40, 40))
for (ex, ey, ew, eh) in eyes:
cv.rectangle(frame, (x + ex, y + ey),
(x + ex + ew, y + ey + eh), (0, 255, 0), 2)
cv.imshow('Face Detection', frame)
camera.release()
cv.destroyAllWindows()
眼睛检测器的准确率要比人脸检测器的准确率低一些,我们可以随意更改 minSize 和 maxSize 参数来避免那些不太可能是眼睛的误报。