OpenCV的全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉库。
OpenCV可用于解决如下领域的问题：增强现实、人脸识别、手势识别、人机交互、动作识别、运动跟踪、物体识别、图像分割、机器人。
本篇文章将讲述使用Python和OpenCV提供好的人脸分类模型实现人脸检测
配置环境
Python 3
Opencv （pip install opencv-python 会自己安装cv2和numpy模块 可以使用cmd中 python-import cv2 再次import numpy 没提示错误就说明装好了）
人脸分类模型 下载地址 该文件夹下都下载下来。github下载文件夹文件的方法
代码实现
#coding=utf-8
#图片检测 - OpenCV版本
import cv2
import time
filepath = "../../face_photos/yiqi.jpg"
# OpenCV人脸识别分类器
classifier = cv2.CascadeClassifier(
"data/haarcascade_frontalface_default.xml")
#记下 程序开始时间
t=time.time()
img = cv2.imread(filepath) # 读取图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换灰色
color = (0, 255, 0) # 定义绘制颜色
# 调用识别人脸
faceRects = classifier.detectMultiScale(
gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
if len(faceRects): # 大于0则检测到人脸
for faceRect in faceRects: # 单独框出每一张人脸
x, y, w, h = faceRect
# 框出人脸
cv2.rectangle(img, (x, y), (x + h, y + w), color, 2)
print('运行时间{}'.format(time.time()-t))
cv2.imshow("image", img) # 显示图像
cv2.waitKey(0) #等待按键
#cv2.destroyAllWindows()
time.sleep(5)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
效果图
所用时间0.15s左右 速度较快
在这里插入图片描述
更改路径
里面只需要将 filepath后面的路径换成需要检测人脸的照片
将classifier 后面的路径 改成 上面提到的人脸检测模型的路径
分类器参数说明
分类器classifier.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))参数说明：
gray：转换的灰图
scaleFactor：图像缩放比例，可理解为相机的X倍镜
minNeighbors：对特征检测点周边多少有效点同时检测，这样可避免因选取的特征检测点太小而导致遗漏
minSize：特征检测点的最小尺寸
补充
还可以画出脸部的部分器官
这个是推算出来的 并不是很准确
# 左眼
cv2.circle(img, (x + w // 4, y + h // 4 + 30), min(w // 8, h // 8),
color)
# #右眼
cv2.circle(img, (x + 3 * w // 4, y + h // 4 + 30), min(w // 8, h // 8),
color)
#嘴巴
cv2.rectangle(img, (x + 3 * w // 8, y + 3 * h // 4),
(x + 5 * w // 8, y + 7 * h // 8), color)
1
2
3
4
5
6
7
8
9
其他
其他人脸识别模块介绍 https://blog.csdn.net/Nirvana_6174/article/details/89599441
欢迎加入人工智能-人脸识别 技术交流群 894243022
---------------------
作者：nie_hen_6174
来源：CSDN
原文：https://blog.csdn.net/Nirvana_6174/article/details/89598425
版权声明：本文为博主原创文章，转载请附上博文链接！