基于opencv实现人脸猫脸图像检测（python）

最新推荐文章于 2025-03-19 11:14:27 发布

岁月蹉跎的一杯酒

最新推荐文章于 2025-03-19 11:14:27 发布

阅读量5.3k

点赞数 1

分类专栏： opencv学习文章标签： opencv python

本文链接：https://blog.csdn.net/weixin_44690935/article/details/109450366

版权

opencv学习专栏收录该内容

31 篇文章

订阅专栏

基于opencv实现人脸猫脸图像检测（python）

1、方法流程如下

2 、导入相关库

这里我们只用到了opencv，所以只需要导入相关的库即可。

安装相关库方法

pip install opencv-python pillow

代码导入

import cv2

3、导入级联分类器

OpenCV已经包含许多针对面部，眼睛，微笑等进行过预训练的分类器。这些.xml文件存储在GitHub文件夹中。这里可以使用猫脸检测和人脸检测模型。

猫脸和人脸的链接如下

猫脸：
https://raw.githubusercontent.com/opencv/opencv/master/data/haarcascades/haarcascade_frontalcatface_extended.xml
人脸：
https://raw.githubusercontent.com/opencv/opencv/master/data/haarcascades/haarcascade_frontalface_default.xml

python导入分类器：cv2.CascadeClassifier（）

CascadeClassifier，是Opencv中做人脸检测的时候的一个级联分类器。并且既可以使用Haar，也可以使用LBP特征。

Haar特征是一种反映图像的灰度变化的，像素分模块求差值的一种特征。它分为三类：边缘特征、线性特征、中心特征和对角线特征。用黑白两种矩形框组合成特征模板，在特征模板内用黑色矩形像素和减去白色矩形像素和来表示这个模版的特征值。例如：脸部的一些特征能由矩形模块差值特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述在特定方向（水平、垂直、对角）上有明显像素模块梯度变化的图像结构。这样就可以进行区分人脸。

catface_cascade = cv2.CascadeClassifier('E:\\car\\catface_detector.xml') 
humanface_cascade = cv2.CascadeClassifier('E:\\car\\humanface_detector.xml')

4、调整图像大小

cv2.resize（原图像，（w，h））函数,w,h代表长和宽。

将原始图像调整到大小为（600，600）

img_1=cv2.resize(img1,(600,600))

5、彩色图像灰度化

关于彩色图像灰度化部分，这里不在多说，在python中使用cv2.cvtColor()和cv2.COLOR_BGR2GRAY()可以达到想要的目的。

img1=cv2.cvtColor(img_1,cv2.COLOR_BGR2GRAY)

图像灰度化结果：

6、图像面部识别

关于图像面部识别，这里就需要利用我们之前下载好的级联分类器了。 humanface_cascade和 catface_cascade。

调用detectMultiScale()函数检测：

1.image表示的是要检测的输入图像

2.objects表示检测到的人脸目标序列

3.scaleFactor表示每次图像尺寸减小的比例

4. minNeighbors表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大小都可以检测到人脸),

5.minSize为目标的最小尺寸

6.minSize为目标的最大尺寸

code：

human_faces = humanface_cascade.detectMultiScale(img1,     
scaleFactor=1.3, minNeighbors=5, minSize=(75, 75)) 
cat_faces = catface_cascade.detectMultiScale(img2, scaleFactor=1.3, 
minNeighbors=5, minSize=(75, 75))

7、绘制脸部矩形区域

绘制检测区域用到了 cv2.rectangle(),cv2.putText()两个函数。

然后利用cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)画出矩行

参数解释

第一个参数：img是原图

第二个参数：（x，y）是矩阵的左上点坐标

第三个参数：（x+w，y+h）是矩阵的右下点坐标

第四个参数：（0,255,0）是画线对应的rgb颜色

第五个参数：2是所画的线的宽度

cv2.putText(img, str(i), (123,456)), font, 2, (0,255,0), 3)

各参数依次是：图片，添加的文字，左上角坐标，字体，字体大小，颜色，字体粗细

for (i, (x, y, w, h)) in enumerate(human_faces): 
    cv2.rectangle(img1, (x, y), (x+1*w, y+1*h), (220, 90, 230), 3)      
    cv2.putText(img1, "Human Face - #{}".format(i + 1), (x, y - 10), 
    cv2.FONT_HERSHEY_SIMPLEX, 0.55, (220, 90, 230), 2) 

for (i, (x, y, w, h)) in enumerate(cat_faces): 
    cv2.rectangle(img2, (x, y), (x+1*w, y+1*h), (0,255, 0), 3) 
    cv2.putText(img2, "Cat Faces - #{}".format(i + 1), (x, y - 10), 
    cv2.FONT_HERSHEY_SIMPLEX, 0.55, (0, 0, 255), 2)

绘制结果：

完整Code：

import cv2
#Load the cascades 
catface_cascade = cv2.CascadeClassifier('E:\\car\\catface_detector.xml') 
humanface_cascade = cv2.CascadeClassifier('E:\\car\\humanface_detector.xml')
#调整图像大小
img1=cv2.imread('E:/car/boy.jpg')
img_1=cv2.resize(img1,(600,600))
img2=cv2.imread('E:/car/timg.jpg')
img_2=cv2.resize(img2,(600,600))
#灰度化
img1=cv2.cvtColor(img_1,cv2.COLOR_BGR2GRAY)
img2=cv2.cvtColor(img_2,cv2.COLOR_BGR2GRAY)
human_faces = humanface_cascade.detectMultiScale(img1,     
scaleFactor=1.3, minNeighbors=5, minSize=(75, 75)) 
cat_faces = catface_cascade.detectMultiScale(img2, scaleFactor=1.3, 
minNeighbors=5, minSize=(75, 75))
for (i, (x, y, w, h)) in enumerate(human_faces): 
    cv2.rectangle(img1, (x, y), (x+1*w, y+1*h), (220, 90, 230), 3)      
    cv2.putText(img1, "Human Face - #{}".format(i + 1), (x, y - 10), 
    cv2.FONT_HERSHEY_SIMPLEX, 0.55, (220, 90, 230), 2) 

for (i, (x, y, w, h)) in enumerate(cat_faces): 
    cv2.rectangle(img2, (x, y), (x+1*w, y+1*h), (0,255, 0), 3) 
    cv2.putText(img2, "Cat Faces - #{}".format(i + 1), (x, y - 10), 
    cv2.FONT_HERSHEY_SIMPLEX, 0.55, (0, 0, 255), 2)
cv2.imshow("faces_detected1.png", img1)
cv2.imshow("faces_detected2.png", img2)
cv2.waitKey(0)

检测结果

二、快速实现人脸识别（15行代码）

import cv2                
import matplotlib.pyplot as plt                        
%matplotlib inline                               
face_cascade = cv2.CascadeClassifier('E:\\car\\humanface_detector.xml')
img = cv2.imread('E:/car/7.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray)
print('Number of faces detected:', len(faces))
for (i, (x, y, w, h)) in enumerate(faces): 
    cv2.rectangle(img, (x, y), (x+1*w, y+1*h), (220, 90, 230), 3)      
    cv2.putText(img, "Human Face - #{}".format(i + 1), (x, y - 10), 
    cv2.FONT_HERSHEY_SIMPLEX, 0.55, (220, 90, 230), 2) 
cv_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(cv_rgb)
plt.show()

结果：