Python+OpenCV图像处理之人脸检测

利用OpenCV自带的xml文件，可以实时检测摄像头中人脸

Haar特征、LBP特征都是常用的特征，描述不同的局部信息

Haar描述的是图像在局部范围内像素值明暗变换信息

LBP描述的是图像在局部范围内对应的纹理信息

HAAR与LBP区别： 
① HAAR特征是浮点数计算，LBP特征是整数计算； 
② LBP训练需要的样本数量比HAAR大； 
③ LBP的速度一般比HAAR快； 
④ 同样的样本HAAR训练出来的检测结果要比LBP准确； 
⑤ 扩大LBP的样本数据可达到HAAR的训练效果

静态图像中检测人脸python实现

def face_detect_demo(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    face_detector = cv2.CascadeClassifier("data/haarcascade_frontalface_default.xml")  # 创建检测人脸的对象
    faces = face_detector.detectMultiScale(gray, 1.02, 5)  # 进行人脸检测
    """
       faces = face_detector.detectMultiScale(img, scaleFactor, minNeighbors)
       参数：img: 识别的原图
             scaleFactor： 迭代时图像的压缩率
             minNeighbors: 每个人脸矩形保留近邻数目的最小值
       返回值：一个列表，列表里边每一项是一个框起人脸的矩形(x, y, w, h)
    """
    for x, y, w, h in faces:
        cv2.rectangle(image, (x, y), (x+w, y+h), (0, 0, 255), 2)
    cv2.imshow("face_detect_demo", image)

结果

视频中检测人脸python实现

def detect():
    # 创建人脸检测的对象
    face_cascade = cv2.CascadeClassifier("../data/haarcascade_frontalface_default.xml")
    # 创建眼睛检测的q对象
    eye_cascade = cv2.CascadeClassifier("../data/haarcascade_eye.xml")
    # 创建微笑检测的q对象
    smile_cascade = cv2.CascadeClassifier("../data/haarcascade_smile.xml")
    # 连接摄像头的对象 0表示摄像头的编号
    camera = cv2.VideoCapture(0)

    while True:
        # 读取当前帧
        ret, frame = camera.read()
        # 转为灰度图像
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 检测人脸 返回列表 每个元素都是(x, y, w, h)表示矩形的左上角和宽高
        faces = face_cascade.detectMultiScale(gray, 1.3, 5)
        # 画出人脸的矩形
        for (x, y, w, h) in faces:
            # 画矩形 在frame图片上画， 传入左上角和右下角坐标 矩形颜色 和线条宽度
            img = cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
            # 把脸单独拿出来
            roi_gray = gray[y: y+h, x: x+w]
            # 在脸上检测眼睛   (40, 40)是设置最小尺寸，再小的部分会不检测
            eyes = eye_cascade.detectMultiScale(roi_gray, 1.03, 5, 0, (40, 40))
            # 把眼睛画出来
            for(ex, ey, ew, eh) in eyes:
                cv2.rectangle(img, (x+ex, y+ey), (x+ex+ew, y+ey+eh), (0, 255, 0), 2)

        cv2.imshow("camera", frame)
        if cv2.waitKey(5) & 0xff == ord("q"):
            break

    camera.release()
    cv2.destroyAllWindows()