快速入手-基于python和opencv的人脸检测

1、安装库

pip install opencv-python

如果下载比较卡的话，指向国内下载地址：

pip3 install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

2、下载源码

https://opencv.org/

windows11对应的版本下载： https://pan.baidu.com/s/1yLt6KYCuycbPYMD1DavYqA?pwd=v4w4 提取码: v4w4

3、安装到制定目录

D:/PythonProject/opencv-4.11.0-install/

4、人脸检测代码

# 导入cv模块
import cv2 as cv


# 检测函数
def detect_face():
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    face_cascade = cv.CascadeClassifier(
        "D:/PythonProject/opencv-4.11.0-install/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml"
    )
    # faces = face_cascade.detectMultiScale(gray)
    faces = face_cascade.detectMultiScale(gray, 1.05, 5, 0, (50, 50), (300, 300))
    for x, y, w, h in faces:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(255, 0, 0), thickness=2)
    cv.imshow("result_img", img)


# 读取图片
img = cv.imread("mans.jpg")
detect_face()
# 等待
while True:
    if ord("q") == cv.waitKey(0):
        break
cv.waitKey(0)
# 释放内存
cv.destroyAllWindows()

**说明：**detectMultiScale 是 OpenCV 中用于检测图像中目标（如人脸）的函数，通常与 Haar 特征分类器（如 CascadeClassifier ）一起使用。本次使用 Haar 分类器检测灰度图像gray中的人脸。以下是 detectMultiScale 函数的详细说明：

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

参数说明

1. image ： 输入图像，通常是灰度图像（ cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) ）。其中image是灰度图像。

2. scaleFactor ：每次图像缩放的比例因子。它用于控制图像金字塔的缩放比例。1.05 表示每次图像缩放的比例为 1.05。较小的值（如 1.05）会检测到更多的小目标，但计算量会增加；较大的值（如 1.2）会检测到较大的目标，但可能会漏掉较小的目标。

3. minNeighbors ： 每个目标的邻近目标数量。这个参数用于控制检测的严格程度。较高的值会减少误检测，但可能会漏掉真实的目标。5 表示每个目标至少需要有 5 个邻近目标。

4. flags ：用于指定检测过程中的一些选项。通常可以设置为 0 或 cv2.CASCADE_SCALE_IMAGE 。0 表示使用默认设置。

5. minSize ：检测目标的最小尺寸（宽和高）。小于这个尺寸的目标将被忽略。(50, 50) 表示最小尺寸为 50×50 像素。

6. maxSize ：检测目标的最大尺寸（宽和高）。大于这个尺寸的目标将被忽略。 (300, 300) 表示最大尺寸为 300×300 像素。

返回值 faces ：• 返回一个矩形列表，每个矩形表示检测到的目标（如人脸）的位置。每个矩形是一个包含四个值的元组 (x, y, w, h) ，分别表示矩形的左上角坐标 (x, y) 和矩形的宽度 w 和高度 h 。

5、识别效果