OpenCV实现人脸检测（Haar特征）

学习目标

原理

实现

import cv2 as cv
print(cv.__file__)

路径：E:\Anaconda3\envs\test_py3.6\Lib\site-packages\cv2\data

代码实现

import cv2 as cv
import matplotlib.pyplot as plt
from pylab import mpl

mpl.rcParams['font.sans-serif'] = ['SimHei']
#1，以灰度图的形式读取图片
img = cv.imread("ll.jpg")
gray = cv.cvtColor(img , cv.COLOR_BGR2GRAY)

#2，实例化OpenCV人脸 和 眼睛识别的分类器
face_cas = cv.CascadeClassifier("haarcascade_frontalface_default.xml")
face_cas.load("haarcascade_frontalface_default.xml")  #加载已训练好的人脸识别模型


eyes_cas = cv.CascadeClassifier("haarcascade_eye.xml")
eyes_cas.load("haarcascade_eye.xml") #加载已训练好的眼睛识别模型

#3，调用识别人脸
'''gray: 输入灰度图像；
scaleFactor: 图像缩放比例，即在前一张图像的基础上，将图像缩小的比例，默认为 1.1；
minNeighbors: 每个矩形应该保留的邻居数，这个参数可以理解为减少误检的一个参数。默认为 3，可以根据实际情况调整；
minSize: 目标矩形的最小大小，小于这个尺寸的矩形会被忽略，默认为 (30, 30)，这里设置为 (32, 32)。'''
faceRects = face_cas.detectMultiScale( gray,scaleFactor=1.2,minNeighbors=10,minSize=(32,32))
for faceRect in faceRects: #遍历所有检测到的人脸矩形框
    x,y,w,h = faceRect  #获取当前人脸矩形框的坐标和大小
    #框出人脸
    cv.rectangle(img,(x,y),(x+h,y+w),(0,255,0),3)
    #4,在识别出的人脸中进行眼睛检测
    roi_color = img[y:y+h,x:x+w]  #提取当前人脸区域的彩色图像
    roi_gray = gray[y:y+h,x:x+w]  #提取当前人脸区域的灰度图像
    eyes = eyes_cas.detectMultiScale(roi_gray)  #在当前人脸区域检测眼睛，并返回检测到的眼睛矩形框数组
    for (ex,ey,ew,eh) in eyes:  #遍历所有检测到的眼睛矩形框
        cv.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)

#检测结果绘制
plt.figure(figsize=(8,6),dpi=100)
plt.imshow(img[:,:,::-1]),plt.title("检测结果")
plt.show()

结果展示