python+OpenCV笔记（三十）：人脸检测与识别（二）——在静态图像与视频上进行人脸检测

最新推荐文章于 2023-08-18 11:20:58 发布

ReadyGo!!!

最新推荐文章于 2023-08-18 11:20:58 发布

阅读量1.3k

点赞数 1

分类专栏： OpenCV (Python) 文章标签： opencv 计算机视觉 python

本文链接：https://blog.csdn.net/qq_45832961/article/details/122741723

版权

OpenCV (Python) 专栏收录该内容

39 篇文章 166 订阅

订阅专栏

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：

图片可从如下网址获取：Learning-OpenCV-4-Computer-Vision-with-Python-Third-Edition/woodcutters.jpg at master · PacktPublishing/Learning-OpenCV-4-Computer-Vision-with-Python-Third-Edition · GitHub

缺少 haarcascade_frontalface_default.xml 等类似文件的可从如下网址获取：

Learning-OpenCV-4-Computer-Vision-with-Python-Third-Edition/chapter05/cascades at master · PacktPublishing/Learning-OpenCV-4-Computer-Vision-with-Python-Third-Edition · GitHub

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。