opencv实现人脸眼睛的检测

主要参考:
段力辉翻译的python—opencv
Python OpenCV 解决人脸识别报错cascade.detectMultiScale error

直接上代码:

def face_eye(): 
    import numpy as np 
    import cv2 

    face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
    face_cascade.load('/home/andy/opencv-3.2.0/data/haarcascades/haarcascade_frontalface_default.xml') 
    eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')
    eye_cascade.load('/home/andy/opencv-3.2.0/data/haarcascades/haarcascade_eye.xml') 

    cap = cv2.VideoCapture(0) 
    fourcc = cv2.VideoWriter_fourcc(*'XVID') 
    out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480)) 

    while(True): 
        ret, img = cap.read() 
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
        faces = face_cascade.detectMultiScale(gray, 1.3, 5) 

        for (x,y,w,h) in faces: 
            cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) 
            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: 
                cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) 

        cv2.imshow('img',img) 
        if cv2.waitKey(30) & 0xFF == ord('q'): 
            break 
    cap.release() 
    out.release() 
    cv2.destroyAllWindows() 

face_eye()  

修正:段力辉的代码为

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

没有下面的load语句,出现以下的错误

 error: (-215) !empty() in function cv::CascadeClassifier::detectMultiScale

根据Python OpenCV 解决人脸识别报错cascade.detectMultiScale error加入face_cascade.load('/home/andy/opencv-3.2.0/data/haarcascades/haarcascade_frontalface_default.xml')语句,不再出现错误。

个人感觉看看效果还可以,但是检测的性能不高,知乎上的相似问题,用opencv 做人脸识别能达到多高精度,我用教程例子实现但识别率很低,请问怎么改进?,实际工程还是上深度准确率才会有质的提升吧,接下来会试一下深度的方法

  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值