OpenCV学习Day13--基于HAAR和LBP人脸检测

人脸检测数据下载地址;https://github.com/opencv/opencv/tree/master/data
代码：

# -*- coding: UTF-8 -*-
import cv2 as cv
import numpy as np

def faceDectDemo(image):
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)#基于灰度图像的
    faceDector=cv.CascadeClassifier("E:\opencv-4.0.1-vc14_vc15\opencv-4.1.0-vc14_vc15\opencv/build\etc\haarcascades\haarcascade_frontalface_alt_tree.xml")
                    #基于HAAR的，也可以基于LBP的，通过级联检测器来调用HAAR的人脸检测---下载OpenCV时自带了这些资源，

    faces=faceDector.detectMultiScale(gray,1.02,5)#检测出来的个矩形框
    '''
            参数1：image--待检测图片，一般为灰度图像加快检测速度；
            参数2：objects--被检测物体的矩形框向量组；
            参数3：scaleFactor--表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;
            参数4：minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。
                        如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。
                        如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，
                        这种设定值一般用在用户自定义对检测结果的组合程序上；
            参数5：flags--要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置
                        CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，
                           因此这些区域通常不会是人脸所在区域；
            参数6、7：minSize和maxSize用来限制得到的目标区域的范围。
    '''
    for x,y,w,h in faces:
        cv.rectangle(image,(x,y),(x+w,y+h),(0,0,255))
    cv.imshow("faceDetect",image)
    cv.waitKey(10)

#图片人脸识别函数调用：
'''
src=cv.imread("E:\OpenCVTests/timg (14).jpg")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
faceDectDemo(src)
'''

#摄像头实时人脸识别
capture=cv.VideoCapture(0)
while(True):
    ret,frame=capture.read()
    frame=cv.flip(frame,1)
    faceDectDemo(frame)#调用人脸检测函数
    c = cv.waitKey(50)
    if c == 27:  # ESC
        break
cv.waitKey(0)
cv.destroyAllWindows()

图片运行结果：

摄像头人像检测运行结果此处不做展示