《OpenCV》——人脸检测

人脸检测



级联分离器

具体实现

实例(人脸检测)

本实例对合照图片进行人脸检测,并圈出人脸位置,使用的OpenCV自带的级联分类器可从OpenCV源文件的data目录下,加载不同的级联分类器的XML文件对不同对象的检测。

代码实现
python 复制代码
python
# 导入OpenCV库,用于计算机视觉任务,如读取图像、图像处理和显示图像等
import cv2

# 使用cv2.imread函数读取指定路径下的图像文件 'hezhao.jpg'
# 读取后的图像数据将存储在变量image中,图像以BGR(蓝、绿、红)格式存储
image = cv2.imread('hezhao.jpg')

# 将彩色图像转换为灰度图像
# cv2.cvtColor函数用于颜色空间转换,这里将BGR格式的图像转换为灰度图像
# 因为在人脸检测中,灰度图像能减少计算量,并且很多人脸检测算法都是基于灰度图像进行的
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 加载预训练的人脸级联分类器
# cv2.CascadeClassifier函数用于加载Haar级联分类器,这里加载的是默认的正面人脸检测分类器
# 注意:路径中的反斜杠需要使用双反斜杠或原始字符串(在字符串前加r)来避免转义问题
# 这里使用的是绝对路径,指向Python环境中OpenCV库自带的分类器文件
faceCascade = cv2.CascadeClassifier('D:\Python310\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')

# 使用人脸级联分类器在灰度图像中检测人脸
# detectMultiScale函数是人脸检测的核心函数,它会返回检测到的人脸的矩形区域
# scaleFactor=1.05:图像缩放比例,该值越接近1,检测越精确,但速度越慢;值越大,检测速度越快,但可能会漏检
# minNeighbors=10:每个候选矩形应该保留的邻居数,该值越大,误检率越低,但可能会漏检
# minSize=(8, 8):检测窗口的最小尺寸,小于该尺寸的人脸将不会被检测到
faces = faceCascade.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=10, minSize=(8, 8))

# 打印检测到的人脸数量
# 使用format方法将检测到的人脸数量插入到字符串中
print('发现{0}张人脸!'.format(len(faces)))

# 打印检测到的人脸的位置信息
# faces是一个二维数组,每行包含四个值:人脸矩形区域的左上角坐标(x, y)以及宽度w和高度h
print('其位置分别是:', faces)

# 遍历检测到的所有人脸的矩形区域
# 对于每个矩形区域,使用cv2.rectangle函数在原始彩色图像上绘制绿色矩形框
# (x, y):矩形的左上角坐标
# (x + w, y + h):矩形的右下角坐标
# (0, 255, 0):矩形的颜色,这里是绿色(BGR格式)
# 2:矩形框的线宽
for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

# 显示绘制了矩形框的图像
# cv2.imshow函数用于显示图像,第一个参数是窗口的名称,第二个参数是要显示的图像
cv2.imshow('result', image)

# 等待用户按键
# cv2.waitKey(0)表示无限等待,直到用户按下任意键
cv2.waitKey(0)

# 关闭所有OpenCV打开的窗口
# 释放相关资源
cv2.destroyAllWindows()

结果:

相关推荐
Lethehong1 小时前
Gemini 2.5 Pro (0605版本) 深度测评与体验指南
人工智能·chatgpt·googlecloud
全栈小51 小时前
【AI】从0开始玩转混元3D⼤模型,如何让一张静态实物图片一键转为3D实物图,大模型都表示服了,超级简单易上手,快来试试!
人工智能·3d·腾讯·混元达3d大模型·腾讯混元3d大模型
Bwcx_lzp1 小时前
MCP和Function Calling
人工智能·笔记
YYXZZ。。3 小时前
PyTorch——搭建小实战和Sequential的使用(7)
人工智能·pytorch·python
四川兔兔3 小时前
pytorch 与 张量的处理
人工智能·pytorch·python
AI蜗牛之家7 小时前
Qwen系列之Qwen3解读:最强开源模型的细节拆解
人工智能·python
王上上7 小时前
【论文阅读30】Bi-LSTM(2024)
论文阅读·人工智能·lstm
殇者知忧7 小时前
【论文笔记】若干矿井粉尘检测算法概述
深度学习·神经网络·算法·随机森林·机器学习·支持向量机·计算机视觉
YunTM7 小时前
贝叶斯优化+LSTM+时序预测=Nature子刊!
人工智能·机器学习
舒一笑8 小时前
智能体革命:企业如何构建自主决策的AI代理?
人工智能