《深度学习》OpenCV库、Dlib库人脸检测案例解析

import cv2
import dlib


# 使用HOG算法、线性分类器、金字塔图像结构和滑动窗口检测等技术。
# 比opencv提供的harr级联分类器效果更好
"""生成人脸检测器"""
detector = dlib.get_frontal_face_detector()   # 构造脸部位置检测器HOG
img = cv2.imread("people2.png")

# 参数:image:待检测的可能含有人脸的图像。
# 参数n:表示采用上采样的次数。上采样会让图像变大，能够检测到更多人脸对象，提高小人脸的检测效果
# #通常建议将此參数设置为0 或 1。较大的值会增加检测的准确性，但会降低处理速度。
# 返回值faces:返回检测图像中的所有人脸。
faces = detector(img,3)   # 使用构造的脸部位置检测器HOG对图像进行检测，3表示上采样次数
for face in faces:   # 对每个人脸框进行逐个处理
    # 获取人脸框的坐标
    x1 = face.left()   # 获取左边像素点的x坐标
    y1 = face.top()   # 获取上边界y坐标
    x2 = face.right()   # 右边界x坐标
    y2 = face.bottom()   # 下边界y坐标
    # 绘制人脸框
    cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0),2)

# 是不捕获到的各个人脸框
cv2.imshow("result",img)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

2、使用摄像头或对视频检测人脸

python 复制代码

import cv2
import dlib

detector = dlib.get_frontal_face_detector()   # 构造脸部位置检测器HOG

cap = cv2.VideoCapture('笑容.mp4')   # 读取视频帧
# cap = cv2.VideoCapture(0)  # 打开摄像头

if not cap.isOpened():   # 如果打开失败
    print("Cannot open camera")
    exit()  # 终止程序

while True:  # 建立死循环，用来不停地读取视频的每一帧画面
    ret, image = cap.read()  # 读取视频帧，返回读入状态的布尔值和图片，一次读取一帧画面
    if not ret:  # 读取失败，则退出循环
        print("不能读取摄像头")
        break

    faces = detector(image,0)   # 使用脸部位置检测器对每一帧画面进行识别，0表示上采样次数

    for face in faces:   # 对每个人脸框进行逐个处理
        x1 = face.left()
        y1 = face.top()
        x2 = face.right()
        y2 = face.bottom()
        # 绘制人脸框
        cv2.rectangle(image,(x1,y1),(x2,y2),(0,255,0),2)
        
    # 展示捕获到的各个人脸框
    cv2.imshow("result",image)
    k = cv2.waitKey(20)   # 每一帧画面执行20毫秒
    if k == 27:   # 如果键盘点击esc键，终止循环
        break
cv2.destroyAllWindows()   # 关闭所有窗口释放资源

《深度学习》OpenCV库、Dlib库 人脸检测 案例解析

一、Dlib库

1、什么是Dlib库

2、OpenCV优缺点

1）优点

2）缺点

3、Dlib库优缺点

1）优点

2）缺点

4、安装Dlib库

二、案例实现

1、对图片进行人脸识别

运行结果：

2、使用摄像头或对视频检测人脸

运行结果：

《深度学习》OpenCV库、Dlib库人脸检测案例解析