python-OpenCV-人脸、眼睛，微笑检测

---

前言

随着人工智能的不断发展，OpenCV这门技术也越来越重要，很多人都开启了学习OpenCV，本文就介绍了OpenCV的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考。案例:Fu Xianjun. All Rights Reserved.

一、人脸检测是什么？

“人脸检测（Face Detection）”是检测出图像中人脸所在位置的一项技术。

人脸检测算法的输入是一张图片，输出是人脸框坐标序列（0个人脸框或1个人脸框或多个人脸框）。一般情况下，输出的人脸坐标框为一个正朝上的正方形，但也有一些人脸检测技术输出的是正朝上的矩形，或者是带旋转方向的矩形。

常见的人脸检测算法基本是一个“扫描”加“判别”的过程，即算法在图像范围内扫描，再逐个判定候选区域是否是人脸的过程。因此人脸检测算法的计算速度会跟图像尺寸、图像内容相关。开发过程中，我们可以通过设置“输入图像尺寸”、或“最小脸尺寸限制”、或“人脸数量上限”的方式来加速算法。

二、案例：

   def camera(self):  # 人脸检测
       # 加载haar分类器
       face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
       eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')
       smile_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_smile.xml')

       cap = cv2.VideoCapture(0)
       width = 1280
       height = 960
       cap.set(cv2.CAP_PROP_FRAME_WIDTH, width)  # 设置图像宽度
       cap.set(cv2.CAP_PROP_FRAME_HEIGHT, height)  # 设置图像高度
       fgbg = cv2.createBackgroundSubtractorMOG2(
           history=500, varThreshold=100, detectShadows=False)  # 基于自适应混合高斯背景建模的背景减除法，去除干扰

       cnt = 1
       while (1):
           # get a frame
           ret, frame = cap.read()
           # show a frame
           gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
           faces = face_cascade.detectMultiScale(gray, 1.3, 5, 0)  # 把灰度图片传给haar进行灰度处理，返回值是人脸左上角坐标，宽度和高度
           # 1.3为缩放比例，默认为1.1即每次搜索窗口依次扩大10%
           # 5为构成检测目标的相邻矩形的最小个数
           # 0为flag，表示使用表认知，会使用Canny边缘检测来排除边缘过多或过少的区域
           for (x, y, w, h) in faces:

               img = cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)

               roi_gray = gray[y:y + h, x:x + w]

               eyes = eye_cascade.detectMultiScale(roi_gray, 1.8, 5, 0)

               roi_color = img[y:y + h, x:x + w]

               for (ex, ey, ew, eh) in eyes:
                   cv2.rectangle(roi_color, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)
               smiles = smile_cascade.detectMultiScale(roi_gray, scaleFactor=1.16, \
                                                       minNeighbors=65, minSize=(25, 25), \
                                                       flags=cv2.CASCADE_SCALE_IMAGE)

               for (ex, ey, ew, eh) in smiles:
                   # 画出微笑框，红色（BGR色彩体系），画笔宽度为1
                   cv2.rectangle(roi_gray, (ex, ey), (ex + ew, ey + eh), (0, 0, 255), 1)
                   cv2.putText(img, "smile", (x, y - 7), 3, 1.2, (0, 0, 225), 2, cv2.LINE_AA)
                   # cv2.LINE_AA 为抗锯齿，这样看起来会非常平滑
                   # cv2.imwrite(f"img{cnt}.png",img)
                   cnt += 1
           cv2.imshow("camera", frame)
           if cv2.waitKey(5) == 27:  # ord('q'):
               break
       cap.release()
       cv2.destroyAllWindows()

---

总结

以上就是今天要讲的内容，本文仅仅简单介绍了OpenCV人脸，眼睛，微笑检测的使用，其中检测精度还有待提高，而人脸识别提供了大量能使我们快速便捷地处理数据的函数和方法。