【深度学习】OpenCV 实时微笑检测：摄像头人脸检测 + 微笑识别

文章目录

• 导入库与加载级联分类器
• 初始化摄像头并循环读取帧
• 灰度转换与人脸检测
• 遍历每个人脸，绘制人脸框并检测微笑
• 显示结果与退出控制

---

完整代码一览

# 人脸微笑检测 （摄像头）
import cv2

xml_file = cv2.data.haarcascades + "haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(xml_file)
sml_file = cv2.data.haarcascades + "haarcascade_smile.xml"
smile = cv2.CascadeClassifier(sml_file)

cap = cv2.VideoCapture(0)  # 初始化摄像头

while True:  # 处理每一帧
    ret, image = cap.read()  # 读取一帧
    image = cv2.flip(image, flipCode=1)  # 图片翻转，水平翻转（镜像）
    if ret is None:  # 没有读到，直接退出
        break

    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 灰度化

    faces = faceCascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=15, minSize=(5, 5))
    
    # 处理每个人脸
    for (x, y, w, h) in faces:
        cv2.rectangle(image, pt1=(x, y), pt2=(x + w, y + h), color=(0, 255, 0), thickness=2)
        # 提取人脸所在区域（灰度图）
        roi_gray_face = gray[y:y + h, x:x + w]
        cv2.imshow('lian', roi_gray_face)

        # 微笑检测，仅在人脸区域内检测
        smiles = smile.detectMultiScale(roi_gray_face, scaleFactor=1.5, minNeighbors=15, minSize=(50, 50))
        for (sx, sy, sw, sh) in smiles:
            a = x + sx
            b = y + sy
            cv2.rectangle(image, (a, b), (a + sw, b + sh), (255, 0, 0), 2)
            cv2.putText(image, "smile", (x, y), cv2.FONT_HERSHEY_COMPLEX_SMALL, 1, (0, 255, 255), 2)

    cv2.imshow("dect", image)
    key = cv2.waitKey(25)
    if key == 27:  # ESC键退出
        break

cap.release()
cv2.destroyAllWindows()

导入库与加载级联分类器

import cv2

xml_file = cv2.data.haarcascades + "haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(xml_file)
sml_file = cv2.data.haarcascades + "haarcascade_smile.xml"
smile = cv2.CascadeClassifier(sml_file) # CascadeClassifier 是级联分类器类，加载后可用于检测目标。

cv2.data.haarcascades：OpenCV 内置的 Haar 级联分类器存放路径，自动定位。

加载两个模型：

haarcascade_frontalface_default.xml：正面人脸检测器。

haarcascade_smile.xml：微笑检测器（检测嘴巴的特定模式）。

初始化摄像头并循环读取帧

cap = cv2.VideoCapture(0)  # 初始化摄像头

while True:
    ret, image = cap.read()  # 循环中不断读取帧，cap.read() 返回 (ret, image)，ret 为布尔值表示是否成功。
    image = cv2.flip(image, flipCode=1)  # 水平翻转（镜像效果）
    if ret is None:  # 如果 ret 为None说明摄像头断开了或读取失败，退出循环
        break

灰度转换与人脸检测

    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=15, minSize=(5, 5))

将彩色帧转为灰度图，因为 Haar 分类器工作在灰度图像上。

detectMultiScale 参数说明：

• scaleFactor=1.1：每次缩放比例 1.1，值越小检测越精细但速度慢。

• minNeighbors=15：较高的值（15）大幅减少误报，适合实时场景，但可能漏检小脸。

• minSize=(5,5)：最小人脸尺寸为 5×5 像素（极小的脸也能检测，实际中通常调大以提升速度）。

返回值：

• faces 是包含所有检测到的人脸矩形框的列表，每个框为 (x, y, w, h)。

遍历每个人脸，绘制人脸框并检测微笑

    for (x, y, w, h) in faces:
        cv2.rectangle(image, pt1=(x, y), pt2=(x + w, y + h), color=(0, 255, 0), thickness=2) # 对每个人脸框，在原图上画绿色矩形
        roi_gray_face = gray[y:y + h, x:x + w]
        cv2.imshow('lian', roi_gray_face)
		# 微笑检测
        smiles = smile.detectMultiScale(roi_gray_face, scaleFactor=1.5, minNeighbors=15, minSize=(50, 50)) # 从灰度图 gray 中裁剪出人脸区域 roi_gray_face，这是微笑检测的输入。
        for (sx, sy, sw, sh) in smiles:
            a = x + sx
            b = y + sy
            cv2.rectangle(image, (a, b), (a + sw, b + sh), (255, 0, 0), 2)
            cv2.putText(image, "smile", (x, y), cv2.FONT_HERSHEY_COMPLEX_SMALL, 1, (0, 255, 255), 2)

微笑检测参数：

scaleFactor=1.5：较大值加快检测，但可能漏检小微笑。

minNeighbors=15：同样高阈值来减少误报。

minSize=(50,50)：微笑区域至少 50×50 像素（需根据人脸大小调整）。

如果检测到微笑，会返回一个或多个矩形框（嘴巴区域）。

将微笑框的坐标换算到原图（因为 roi_gray_face 的坐标是相对于人脸区域的，所以要加上 x, y 偏移）。

用蓝色矩形 (255,0,0) 绘制微笑框，并在人脸框上方显示黄色 "smile" 文字（(0,255,255) 是黄色）。

显示结果与退出控制

    cv2.imshow("dect", image)#  显示标注后的实时画面
    key = cv2.waitKey(25) # 等待 25 毫秒
    if key == 27:
        break

cap.release()
cv2.destroyAllWindows()# 循环结束后释放摄像头资源并关闭所有窗口