基于opencv的简单人脸检测（python）-Toy模板网

这篇具有很好参考价值的文章主要介绍了基于opencv的简单人脸检测（python）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。它由一系列的C函数和少量C++类构成，同时提供Python、Java和MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

在windows系统下，建议使用python的包安装工具pip来安装Opencv。win+r输入cmd打开命令行输入

pip install opencv-python

安装完成后打开编译器，我这里使用的是SublimeText，Sublime Text 是一个文本编辑器，同时也是一个先进的代码编辑器。Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。最大的好处就是轻便，比较小，下载起来也比较方便。

首先导入opencv库

import cv2 as cv

加载图片并调用封装好的人脸检测函数，注释掉的部分可以用来修改图片大小并保存

#加载图片
img=cv.imread('face3.jpg')
'''resize_img=cv.resize(img,dsize=(400,400))
cv.imwrite('wes1.jpg',resize_img)'''
face_detect_demo()

人脸检测函数，其中CascadeClassifier()方法中调用的是opencv开源的人脸检测模板这里选择的是默认正脸模板xml文件。可以自行到opencv官网下载。https://opencv.org/releases/下载完成后双击安装会得到一个文件夹，模板文件夹路径与我程序中的路径相同。

基于opencv的简单人脸检测（python）,opencv,python,人工智能

def face_detect_demo():
	#将图片转换为灰度图片
	gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
	#加载特征数据
	face_detector=cv.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
	#face=face_detector.detectMultiScale(gray,scaleFactor=1.02,minSize=(151,151))
	face=face_detector.detectMultiScale(gray,scaleFactor=1.03,minNeighbors=3,maxSize=(45,45))
	#face=face_detector.detectMultiScale(gray)
	for x,y,w,h in face:
		print(x,y,w,h)
		cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
		#cv.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=2)
	cv.imshow('result',img)

detectMultiScale函数概述

detectMultiScale函数是OpenCV中用于目标检测的函数，它可以用来检测图像中是否存在指定的目标，并返回目标位置的矩形边界框。函数定义如下：

detectMultiScale(image, scaleFactor, minNeighbors, flags, minSize, maxSize)

scaleFactor参数控制每个图像序列的缩放比例。该参数决定了在每个图像序列中检测窗口的大小。默认值为1.1，表示每次图像被缩小10%。较小的值可以捕捉更多的细节，但也会增加计算量。较大的值可以加快检测速度，但可能会错过一些目标。示例代码如下：

face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)

minNeighbors参数定义了每个目标至少应该有多少个邻居，才能被认为是一个目标。该参数用于过滤检测到的目标。较大的值可以过滤掉一些误检测，但可能会导致一些目标被漏检。默认为3。示例代码如下：

face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)

minSize参数用于指定检测目标的最小尺寸。目标小于该尺寸的将被忽略。该参数可以用于过滤一些过小的目标。示例代码如下：

face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5, minSize=(30, 30))

maxSize参数用于指定检测目标的最大尺寸。目标大于该尺寸的将被忽略。该参数可以用于过滤一些过大的目标。

face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5, maxSize=(300, 300))

完整代码

import cv2 as cv

def face_detect_demo():
	#将图片转换为灰度图片
	gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
	#加载特征数据
	face_detector=cv.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
	#face=face_detector.detectMultiScale(gray,scaleFactor=1.02,minSize=(151,151))
	face=face_detector.detectMultiScale(gray,scaleFactor=1.03,minNeighbors=3,maxSize=(45,45))
	#face=face_detector.detectMultiScale(gray)
	for x,y,w,h in face:
		print(x,y,w,h)
		cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
		#cv.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=2)
	cv.imshow('result',img)

#加载图片
img=cv.imread('face3.jpg')
'''resize_img=cv.resize(img,dsize=(400,400))
cv.imwrite('wes1.jpg',resize_img)'''
face_detect_demo()

cv.waitKey(0)
cv.destroyAllWindows()