一、文章概述
注意：本文只是人脸检测，人脸识别的实现请参见本人另一篇博客：基于OpenCV+TensorFlow+Keras实现人脸识别
本文将要讲述的是Python环境下如何用OpenCV检测人脸，本文的主要内容分为：1、检测图片中的人脸
2、实时检测视频中出现的人脸
3、用运设备的摄像头实时检测人脸
二：准备工作
提前做的准备：安装好Python3
下载特征数据HAAR和LBP，这两种数据都能实现对人脸特征的提取，HAAR大多是小数计算所以运算速度较慢，LBP大多是整数计算运行速度较快。如图所示，本次实例用红框中的文本，其他的文本，比如第一个haarcascade_eye.xml是眼睛识别的文本，我们下次再用。
注意：点击下载HAAR和LBP的特征数据--------数据集下载
三、开始讲述
1、图片人脸检测
(1)代码和说明
import cv2 as cv
import numpy as np
def face_detect_demo():#人脸检测函数
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)#把图片变成灰度图片，因为人脸的特征需要在灰度图像中查找
#以下分别是HAAR和LBP特征数据，任意选择一种即可，注意：路径中的‘/’和‘\’是有要求的
# 通过级联检测器 cv.CascadeClassifier，加载特征数据
# face_detector = cv.CascadeClassifier("D:/pyproject/cv_renlianjiance/haarcascades/haarcascade_frontalface_alt_tree.xml")
face_detector = cv.CascadeClassifier(
"D:/pyproject/cv_renlianjiance/lbpcascades/lbpcascade_frontalcatface.xml")
#在尺度空间对图片进行人脸检测，第一个参数是哪个图片，第二个参数是向上或向下的尺度变化，是原来尺度的1.02倍，第三个参数是在相邻的几个人脸检测矩形框内出现就认定成人脸，这里是在相邻的5个人脸检测框内出现，如果图片比较模糊的话建议降低一点
faces = face_detector.detectMultiScale(gray, 1.02, 5)
for x, y, w, h in faces:#绘制结果图
#rectangle参数说明，要绘制的目标图像，矩形的第一个顶点，矩形对角线上的另一个顶点，线条的颜色，线条的宽度
cv.rectangle(src, (x, y), (x+w, y+h), (0, 0, 255), 2)
cv.imshow("result", src)#输出结果图
src = cv.imread("D:/pyproject/cv_renlianjiance/cvrenxiangpic/1.jpg")#图片是JPG和png都可以
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)#创建绘图窗口
cv.namedWindow("result", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
face_detect_demo()
cv.waitKey(0)
cv.destroyAllWindows()#作用是能正常关闭绘图窗口
(2)结果展示
2、视频中的人脸检测
(1)代码和说明
import cv2 as cv
import numpy as np
def face_detect_demo(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
# face_detector = cv.CascadeClassifier("D:/pyproject/cv_renlianjiance/haarcascades/haarcascade_frontalface_alt_tree.xml")
face_detector = cv.CascadeClassifier("D:/pyproject/cv_renlianjiance/lbpcascades/lbpcascade_frontalcatface.xml")
faces = face_detector.detectMultiScale(gray, 1.02, 5)
for x, y, w, h in faces:
cv.rectangle(image, (x, y), (x+w, y+h), (0, 0, 255), 2)
cv.imshow("result", image)
capture = cv.VideoCapture("D:/pyproject/cv_renlianjiance/video/1.mp4")
cv.namedWindow("result", cv.WINDOW_AUTOSIZE)
while (True):
#按帧读取视频，ret,frame是获cap.read()方法的两个返回值。其中ret是布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾，它的返回值就为False。frame就是每一帧的图像，是个三维矩阵。
ret, frame = capture.read()
# cv.flip函数表示图像翻转，沿y轴翻转, 0: 沿x轴翻转, <0: x、y轴同时翻转
frame = cv.flip(frame, 1)
face_detect_demo(frame)
#waitKey()方法本身表示等待键盘输入，参数是1，表示延时1ms切换到下一帧图像，对于视频而言；
c = cv.waitKey(10)
if c == 27:#当键盘按下‘ESC’退出程序
break
#cv.waitKey(0)参数为0，如cv2.waitKey(0)只显示当前帧图像，相当于视频暂停,；
cv.waitKey(0)
cv.destroyAllWindows()#作用是能正常关闭绘图窗口
(2)结果展示
3、利用设备上的摄像头进行人脸检测，其实和2中的代码一样，只是打开摄像头，而不是读取视频文件
代码和说明
import cv2 as cv
import numpy as np
def face_detect_demo(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
# face_detector = cv.CascadeClassifier("D:/pyproject/cv_renlianjiance/haarcascades/haarcascade_frontalface_alt_tree.xml")
face_detector = cv.CascadeClassifier("D:/pyproject/cv_renlianjiance/lbpcascades/lbpcascade_frontalcatface.xml")
faces = face_detector.detectMultiScale(gray, 1.02, 5)
for x, y, w, h in faces:
cv.rectangle(image, (x, y), (x+w, y+h), (0, 0, 255), 2)
cv.imshow("result", image)
capture = cv.VideoCapture(0)#其中的0表示电脑中的第一个相机
cv.namedWindow("result", cv.WINDOW_AUTOSIZE)
while (True):
#按帧读取视频，ret,frame是获cap.read()方法的两个返回值。其中ret是布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾，它的返回值就为False。frame就是每一帧的图像，是个三维矩阵。
ret, frame = capture.read()
# cv.flip函数表示图像翻转，沿y轴翻转, 0: 沿x轴翻转, <0: x、y轴同时翻转
frame = cv.flip(frame, 1)
face_detect_demo(frame)
#waitKey()方法本身表示等待键盘输入，参数是1，表示延时1ms切换到下一帧图像，对于视频而言；
c = cv.waitKey(10)
if c == 27:#当键盘按下‘ESC’退出程序
break
#cv.waitKey(0)参数为0，如cv2.waitKey(0)只显示当前帧图像，相当于视频暂停,；
cv.waitKey(0)
cv.destroyAllWindows()#作用是能正常关闭绘图窗口
此文转载，著作权归作者所有，如有侵权联系小编删除！
