基于OpenCV 的人脸检测

一、在Pycharm中安装OpenCV

二、静态图片人脸检测

import cv2 as cv

def face_detect_demo():
    # 图片转灰度
    gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
    # 加载特征数据
    face_detector = cv.CascadeClassifier(
        'D:\\SoftWareHouse\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_default.xml')
    # 参数1：image--待检测图片，一般为灰度图像加快检测速度；
    # 参数2：objects--被检测物体的矩形框向量组；
    # 参数3：scaleFactor--表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;
    # 参数4：minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。
    #         如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。
    #         如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，
    #         这种设定值一般用在用户自定义对检测结果的组合程序上；
    # 参数5：flags--要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为
    #
    #         CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，
    #
    #         因此这些区域通常不会是人脸所在区域；
    # 参数6、7：minSize和maxSize用来限制得到的目标区域的范围
    faces = face_detector.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, maxSize=(100, 100), minSize=(30, 30))
    #
    for x, y, w, h in faces:
        print(x, y, w, h)
        cv.rectangle(src, (x, y), (x + w, y + h), color=(255, 0, 0))
    # 显示图片
    cv.imshow('result', src)


# 加载图片
src = cv.imread('face4.jpg')
face_detect_demo()
cv.waitKey(0)
cv.destroyAllWindows()

三、视频中人脸检测

import cv2 as cv


def face_detect_demo(img):
    # 图片转灰度
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    # 加载特征数据
    face_detector = cv.CascadeClassifier(
        'D:\\SoftWareHouse\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_default.xml')

    faces = face_detector.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=6)
    #
    for x, y, w, h in faces:
        print(x, y, w, h)
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
    # 显示图片
    cv.imshow('result', img)


# 读取视频
video = cv.VideoCapture("video1.mp4")
# 调用自己的摄像头
# video = cv.VideoCapture(0)
while True:
    flag, frame = video.read()
    print(flag, frame.shape)
    if not flag:
        break
    face_detect_demo(frame)
    if ord('q') == cv.waitKey(10):
        break
cv.destroyAllWindows()
video.release()