#

源码如下：

#!/usr/bin/env python

#coding=utf-8

import os

from PIL import Image, ImageDraw

import cv

def detect_object(image):

'''检测图片，获取人脸在图片中的坐标'''

grayscale = cv.CreateImage((image.width, image.height), 8, 1)

cv.CvtColor(image, grayscale, cv.CV_BGR2GRAY)

cascade = cv.Load("/opt/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt_tree.xml")

rect = cv.HaarDetectObjects(grayscale, cascade, cv.CreateMemStorage(), 1.1, 2,

cv.CV_HAAR_DO_CANNY_PRUNING, (20,20))

result = []

for r in rect:

result.append((r[0][0], r[0][1], r[0][0]+r[0][2], r[0][1]+r[0][3]))

return result

def process(infile):

'''在原图上框出头像并且截取每个头像到单独文件夹'''

image = cv.LoadImage(infile);

if image:

faces = detect_object(image)

im = Image.open(infile)

path = os.path.abspath(infile)

save_path = os.path.splitext(path)[0]+"_face"

try:

os.mkdir(save_path)

except:

pass

if faces:

draw = ImageDraw.Draw(im)

count = 0

for f in faces:

count += 1

draw.rectangle(f, outline=(255, 0, 0))

drow_save_path = os.path.join(save_path,"out.jpg")

im.save(drow_save_path, "JPEG", quality=80)

else:

print "Error: cannot detect faces on %s" % infile

if __name__ == "__main__":

process("/Users/zhangdebin/Documents/checkFace2.jpg")

示例图片1：

可以看出，对于比较干净的人脸头像，使用opencv库haarcascade_frontalface_alt_tree.xml的识别精度很高(这张达到了100%)，同时，对于表情变化的人脸也有很强的鲁棒性。

示例图片2：

但是，对于上传的比较随意的头像照片，比如示例图片2这些有帽子、眼镜遮挡的人脸图片，识别效果就会很差，本组只有唯一一个没有帽子遮挡的人脸被识别成功

本次只是简单的测试了下，python使用opencv库的人脸特征进行人脸识别的效果，仅供初学参考。

总结

以上就是本文关于python+opencv实现的简单人脸识别代码示例的全部内容，希望对大家有所帮助，感兴趣的朋友可以参阅本站：

python图像常规操作

在Python web中实现验证码图片代码分享

Python生成数字图片代码分享

如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！