人脸识别
import numpy as np
import cv2 as cv
#pathf = 'D:\\opencv-master\\data\\haarcascades\\haarcascade_frontalface_default.xml'
#face_cascade.load(pathf)
face_cascade = cv.CascadeClassifier('D:\\opencv-master\\data\\haarcascades\\haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('D:\\opencv-master\\data\\haarcascades\\haarcascade_eye.xml')
img = cv.imread('D:\\visual\\saoxian.jpg')
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) #生成灰度图,提高检测效率
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
#detectMultiScale函数的第一个参数是灰度图像。
第二个参数是scaleFactor,不同人距离镜头不一样,有的脸比较大,有的小,scaleFactor用来对此进行补偿。
分类器使用滑动窗口来检测物体, minSize是每个窗口的大小,minNeighbors会定义其周围有多少物体
返回一个numpy array:faces,检测出几个人脸列表的长度即为多少,faces中每一行中的元素分别表示检出的人脸在图中的(坐标x、坐标y、宽度、高度)
for (x,y,w,h) in faces:
cv.rectangle(img,(x,y),(x+w,y+h),(255,0,0),15) #绘制矩形边框,(255,0,0)代表颜色,2代表线条粗细
roi_gray = gray[y:y+h, x:x+w]
roi_color = img[y:y+h, x:x+w]
eyes = eye_cascade.detectMultiScale(roi_gray)
for (ex,ey,ew,eh) in eyes:
cv.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
cv.imshow('img',img)
cv.waitKey(0) #显示图像后暂停
cv.destroyAllWindows() #关闭图像窗口,也可用cv2.destroywindow('img')关闭指定的(‘img')窗口