人脸识别

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