OpenCV 案例一【人脸检测】

一、基础环境安装

1、下载安装 anaconda

https://www.anaconda.com/products/distribution

双击下载的 .exe文件，安装即可。
完成安装后，打开 Anaconda Prompt（或系统终端）测试

切换到国内的镜像源

powershell 复制代码

# 清华源（推荐）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

创建opencv所用的环境空间

powershell 复制代码

conda create -n opencv_env python=3.10

切换到opencv_env 环境空间

下载 opencv所需的包

powershell 复制代码

# 使用 conda 安装（优先）
conda install numpy pandas matplotlib

# 使用 pip 安装（conda 没有的包）
pip install opencv-python

2、Pycharm 引用conda环境

打开Pycharm，创建个新项目，然后找到右下角的位置：

点击箭头的齿轮，会有 "Add Python Interpreter"，点进去
选择 "Conda Environment"，选择 "Existing Environment"

二、代码案例

python 复制代码

"""
人脸检测
"""
import cv2

# 加载预训练的Haar级联分类器（正面人脸检测模型）
face_cascade = cv2.CascadeClassifier("./haarcascades/haarcascade_frontalface_default.xml")

# 读取图片
img = cv2.imread("./datas/images/kobe_image.jpg")
# 转为灰度图,Haar特征基于灰度图像计算，转换可提升检测效率
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 人脸检测核心函数
# scaleFactor=1.3：图像缩放比例（1.3表示每次缩小30%）
# minNeighbors=5：候选框保留阈值
# faces：检测到的人脸矩形列表，格式为(x, y, w, h)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)

# 遍历所有检测到的人脸区域
# 在原图上绘制绿色矩形框（BGR颜色(0,255,0)，线宽2像素）
for (x,y,w,h) in faces:
    # 画矩形
    cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)

# 显示结果
cv2.imshow("img", img)
# 等待按键
cv2.waitKey(0)
# 关闭所有窗口
cv2.destroyAllWindows()

三、运行效果

四、注意事项

述代码里面，主要用到了：haarcascade_frontalface_default.xml

haarcascade_frontalface_default.xml 是 OpenCV 提供的一个预训练 Haar 级联分类器模型，专门用于检测图像或视频中的正面人脸。它是基于 Viola-Jones 算法的传统目标检测方法，虽然不如深度学习模型（如 YOLO、SSD）精准，但计算量小、速度快，适合实时应用。

下载地址：

https://github.com/opencv/opencv/blob/master/data/haarcascades/

OpenCV 案例一【人脸检测】

目录：

一、基础环境安装

1、下载安装 anaconda

2、Pycharm 引用conda环境

二、代码案例

三、运行效果

四、注意事项