使用python實現簡單的人臉檢測步驟:
(1)打開攝像頭拍攝視頻或者讀取工作路徑下的視頻(avi格式),一幀一幀讀取圖片。
(2)灰度轉換:將BGR圖片轉換成灰度的圖片可以降低計算強度。
(3)繪製圖像。
(4)顯示圖像。
(5)獲取人臉識別訓練數據。
(6)探測人臉。
代碼:
import numpy as np
import cv2
import sys
import os
# 人臉檢測函數:
# useCamera參數:True表示使用攝像頭,False表示讀取當前目錄下視頻文件
def face_detection(useCamera=True):
# namedWindow(winname[, flags]) -> None
# . @brief Creates a window.
# 1.調用攝像頭或者使用讀取視頻
cv2.namedWindow("CaptureFace")
if useCamera == True:
cap = cv2.VideoCapture(0)
else:
cap = cv2.VideoCapture('ultraman.avi')
# 2.人臉識別器分類器(GIT上開源的分類集)
classfier = cv2.CascadeClassifier(r'./haarcascades' + os.sep + "haarcascade_frontalface_alt2.xml")
color=(0, 255, 0)
while cap.isOpened():
flag, frame = cap.read()
if not flag:
break
# 3.灰度轉換
grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 4.人臉檢測,1.2和2分別爲圖片縮放比例和需要檢測的有效點數
faceRects = classfier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32))
if len(faceRects) > 0: # 大於0則檢測到人臉
for faceRect in faceRects: # 單獨框出每一張人臉
x, y, w, h = faceRect
# 5.畫圖
cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 3)
cv2.imshow("CaptureFace", frame)
if cv2.waitKey(10) & 0xFF==ord('q'):
break
cap.release()
cv2.destroyAllWindows()
# face_detection() # 使用攝像頭
face_detection(useCamera=False) # 使用視頻
實現的效果(使用視頻):