OpenCV 实战——Python 实现图片人脸检测 + 视频人脸微笑检测

前言

在计算机视觉领域，人脸检测 和微笑检测是最基础、最经典的入门实战项目。OpenCV 提供了训练好的 Haar 级联分类器，无需复杂算法，几行代码就能快速实现人脸、微笑的识别与标注。

本文将手把手带你实现：

静态图片人脸识别：检测图片中的人脸并框选标注
视频人脸 + 微笑检测：逐帧识别视频中的人脸，并精准检测微笑区域

一、环境准备

Haar 级联分类器文件.xml在安装 OpenCV 时会自动下载，路径根据自己 Python 安装位置修改**，**可以通过以下代码查找到分类器.xml文件。

python 复制代码

import cv2

print(cv2.__file__)

二、实战一：静态图片人脸识别

功能说明

读取本地图片，自动检测图片中的所有人脸，用矩形框标注，并输出人脸数量和位置坐标。

完整代码

python 复制代码

import cv2

image = cv2.imread('hezhao.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 路径替换为你本地的xml文件路径
faceCascade = cv2.CascadeClassifier(r'C:\Users\86152\AppData\Local\Programs\Python\Python311\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')

faces = faceCascade.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=3, minSize=(80, 80))

# 输出检测结果
print("发现{0}张人脸!".format(len(faces)))
print("人脸位置坐标(x,y,w,h)：", faces)

for (x, y, w, h) in faces:
    # 绘制绿色矩形框，thickness为边框粗细
    cv2.rectangle(image, pt1=(x, y), pt2=(x + w, y + h), color=(0, 255, 0), thickness=2)

# 显示结果图
cv2.imshow("result", image)
cv2.waitKey(0)  
cv2.destroyAllWindows()

结果展示

三、实战二：视频文件人脸 + 微笑检测

功能说明

读取本地视频文件，逐帧处理 ：先检测人脸，再在人脸区域内检测微笑，用不同颜色框标注，并显示 smile 文字提示，按 ESC 键退出。

完整代码

python 复制代码

import cv2

# 加载人脸+微笑检测分类器
faceCascade = cv2.CascadeClassifier(r'C:\Users\86152\AppData\Local\Programs\Python\Python311\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')
smileCascade = cv2.CascadeClassifier(r'C:\Users\86152\AppData\Local\Programs\Python\Python311\Lib\site-packages\cv2\data\haarcascade_smile.xml')

# 读取视频文件（替换为你的视频路径）
cap = cv2.VideoCapture('人脸.mp4')

while True:
    # 逐帧读取视频
    ret, image = cap.read()
    # 视频读取完毕/失败，退出循环
    if not ret:
        break

    # 水平镜像翻转（可选，适配摄像头视角）
    image = cv2.flip(image, flipCode=1)
    # 转灰度图
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 第一步：检测人脸
    faces = faceCascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=15, minSize=(5, 5))

    # 遍历检测到的每一张人脸
    for (x, y, w, h) in faces:
        # 绘制绿色人脸框
        cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

        # 截取人脸区域（仅在人脸上检测微笑，提升准确率）
        roi_gray = gray[y:y + h, x:x + w]

        # 第二步：人脸区域内检测微笑
        smiles = smileCascade.detectMultiScale(roi_gray, scaleFactor=1.5, minNeighbors=33, minSize=(25, 25))

        # 遍历检测到的微笑区域
        for (sx, sy, sw, sh) in smiles:
            # 绘制蓝色微笑框
            cv2.rectangle(image, (x+sx, y+sy), (x+sx+sw, y+sy+sh), (255, 0, 0), 2)
            # 标注微笑文字
            cv2.putText(image, "smile", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 255), 2)

    # 显示实时检测画面
    cv2.imshow("result", image)

    # 按ESC键退出（ASCII码27）
    if cv2.waitKey(25) & 0xFF == 27:
        break

# 释放视频资源，关闭窗口
cap.release()
cv2.destroyAllWindows()

代码详解

python 复制代码

faces = faceCascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=15, minSize=(5, 5))

在整幅灰度图中检测所有人脸。

返回值 faces 是一个列表，包含所有人脸的坐标：[[x,y,w,h], ...]

scaleFactor：扫描窗口缩放比例

minNeighbors：值越大，检测越准（减少误检）

minSize：最小人脸尺寸

python 复制代码

smiles = smileCascade.detectMultiScale(roi_gray, scaleFactor=1.5, minNeighbors=33, minSize=(25, 25))

在人脸区域内检测微笑。

返回微笑区域坐标 (sx,sy,sw,sh)。

python 复制代码

for (sx, sy, sw, sh) in smiles:
    cv2.rectangle(image, (x+sx, y+sy), (x+sx+sw, y+sy+sh), (255, 0, 0), 2)
    cv2.putText(image, "smile", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255,255), 2)

用蓝色框标出嘴巴微笑区域。

显示黄色文字 smile，位置在人脸框上方，不遮挡画面。

坐标必须加上人脸的 x、y，否则位置会错乱。