1.利用OpenCV中的api实现人脸和人眼检测,本质是利用Haar特征+Adaboost级联分类器
实现步骤:
- 加载特征xml文件
- 加载图片
- 灰度处理
- 检测判断
- 绘制出检测出来的人脸
# 加载已经训练好的特征文件
faces_xml = cv.CascadeClassifier("haarcascade_frontalface_default.xml")
# 根据特征文件去查找人脸
faces_xml.detectMultiScale(图像, 缩放系数, 至少检验次数)
# 加载已经训练好的特征文件
eyes_xml = cv.CascadeClassifier("haarcascade_eye.xml")
# 根据特征文件去查找人眼,grayFace为人脸区域,这样可以加快计算时间
eyes = eyes_xml.detectMultiScale(grayFace,1.3,5)
2. 实现代码如下,主要通过faces_xml.detectMultiScale()检测人脸,eyes_xml.detectMultiScale()检测人眼,返回四个记录位置的参数
import cv2 as cv
# 第1步:加载xml文件,一般整个包或者库都会包含这写xml文件
faces_xml = cv.CascadeClassifier("haarcascade_frontalface_default.xml")
eyes_xml = cv.CascadeClassifier("haarcascade_eye.xml")
# 第2步:加载图片
img = cv.imread("img/lena.jpg", cv.IMREAD_COLOR)
# 第3步:将图片转成灰色图片
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 第4步:使用api进行人脸识别 参数2:缩放系数 参数3:至少要检测几次才算正确
faces = faces_xml.detectMultiScale(gray, 1.3, 5)
print("找到人脸的数量:",len(faces))
# 在人脸上绘制矩形
for (x,y,w,h) in faces:
# 在找到人脸上画矩形
cv.rectangle(img,(x,y),(x+w,y+h),(0,255,0),5)
# 从灰色图片中找到人脸,加快计算速度
grayFace = gray[y:y+h,x:x+w]
colorFace = img[y:y+h,x:x+w]
# 在当前人脸上找到眼睛的位置
eyes = eyes_xml.detectMultiScale(grayFace,1.3,5)
print("当前人脸上眼睛数量:",len(eyes))
# 在眼睛上绘制矩形
for (e_x,e_y,e_w,e_h) in eyes:
cv.rectangle(colorFace,(e_x,e_y),(e_x+e_w,e_y+e_h),(0,0,255),3)
cv.imshow('result',img)
cv.waitKey(0)
cv.destroyAllWindows()