使用python实现简单的人脸检测步骤:
(1)打开摄像头拍摄视频或者读取工作路径下的视频(avi格式),一帧一帧读取图片。
(2)灰度转换:将BGR图片转换成灰度的图片可以降低计算强度。
(3)绘制图像。
(4)显示图像。
(5)获取人脸识别训练数据。
(6)探测人脸。
代码:
import numpy as np
import cv2
import sys
import os
# 人脸检测函数:
# useCamera参数:True表示使用摄像头,False表示读取当前目录下视频文件
def face_detection(useCamera=True):
# namedWindow(winname[, flags]) -> None
# . @brief Creates a window.
# 1.调用摄像头或者使用读取视频
cv2.namedWindow("CaptureFace")
if useCamera == True:
cap = cv2.VideoCapture(0)
else:
cap = cv2.VideoCapture('ultraman.avi')
# 2.人脸识别器分类器(GIT上开源的分类集)
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.灰度转换
grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 4.人脸检测,1.2和2分别为图片缩放比例和需要检测的有效点数
faceRects = classfier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32))
if len(faceRects) > 0: # 大于0则检测到人脸
for faceRect in faceRects: # 单独框出每一张人脸
x, y, w, h = faceRect
# 5.画图
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() # 使用摄像头
face_detection(useCamera=False) # 使用视频
实现的效果(使用视频):