21行Python代码实现实时人脸检测

效果如下：

代码如下：

import cv2

# 画矩形边框
def draw_bounding_box(face_coordinates, image_array, color):
    x, y, w, h = face_coordinates
    cv2.rectangle(image_array, (x, y), (x + w, y + h), color, 2)

# OpenCV提供的人脸正脸检测的Haar分类器地址
detection_model_path = 'models/haarcascade_frontalface_default.xml'

# 加载分类器
face_detection = cv2.CascadeClassifier(detection_model_path)

# 启动视频流
video_capture = cv2.VideoCapture(0)
while True:
	# 获取视频帧，每一帧都是BGR图像，注意是BGR而非RGB
    bgr_image = video_capture.read()[1]
    # 将BGR图像转成灰度图
    gray_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2GRAY)
    # 将BGR图像转成RGB
    rgb_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2RGB)
    # 在灰度图中提取出人脸
    faces = face_detection.detectMultiScale(gray_image, 1.3, 5)

    # 可能存在一帧图像中检测到多个人脸的情况
    for face_coordinates in faces:
    	# 选择清新的绿色作为边框颜色
        color = [0, 255, 0]
        # 在RGB图像中画出边框
        draw_bounding_box(face_coordinates, rgb_image, color)
	
	# 将RGB图像转化成BGR图像以显示在视频中
    bgr_image = cv2.cvtColor(rgb_image, cv2.COLOR_RGB2BGR)
    cv2.imshow('window_frame', bgr_image)
    # 按键盘"Q"来停止视频采集
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源，关闭窗口
video_capture.release()
cv2.destroyAllWindows()

这就是一个比较简单的程序，只要看懂注释，直接复制就完事儿了。去掉注释行和空行，只有21行代码。当然啦，注重这种代码行数除了噱头外没啥意义，实际应用中应该考量代码运行效率，代码可读性等等。至于里面的haar分类器文件同志们自己找就好啦，网上一大把。

注意：这只是个非常简易的正脸检测，精准度没有那么高，当歪头或者转头的到一定程度会失效。