OpenCV實時人臉檢測

介紹一種實現人臉識別最簡單的調包方法。

這裏的人臉分類原理：使用級聯分類器

這裏我們只使用opencv封裝好的api 。

 

一、首先在github官網上下載用於識別的分類器

地址：https://github.com/opencv/opencv/tree/master/data  這裏的haar和lbp數據文件都是可以使用的，我先下載到本地。

這裏的分類器都是可以使用的。我們就選擇其中一個來使用。

 

二、代碼如下

1.讀取視頻

def video_io_demo():
    capture = cv.VideoCapture(0)
    height = capture.get(cv.CAP_PROP_FRAME_HEIGHT)
    weight = capture.get(cv.CAP_PROP_FRAME_WIDTH)
    count = capture.get(cv.CAP_PROP_FRAME_COUNT)  #幀數
    fps = capture.get(cv.CAP_PROP_FPS)  #頻率：每秒播放幾幀
    print(height,weight,count,fps)
    type = 0
    while(True):
        ret,frame = capture.read()
        if ret is True:
            cv.imshow("video_input",frame)
            result = process_frame(frame,type)
            cv.imshow("result",result)
            c = cv.waitKey(2)
            if c > 0:
                type = np.abs(c)%3
            if c==27:
                break
        else:
            break

2.加載分類器

face_detector = cv.CascadeClassifier("D:/opencv-data/opencv-master/data/haarcascades/haarcascade_frontalface_alt_tree.xml")

這裏也可以改變加載的分類器，可以多嘗試幾種包裏的分類器

3.輸出邊框

def process_frame(frame,type):
    if type == 0:
        return detect_face(frame)
    else:
        return frame

def detect_face(frame):
    gray = cv.cvtColor(frame,cv.COLOR_BGR2GRAY)
    cv.equalizeHist(gray,gray)
    faces = face_detector.detectMultiScale(gray,1.02,1,minSize=(200,200),maxSize=(400,400))
    for x,y,w,h in faces:
        cv.rectangle(frame,(x,y),(x+w,y+h),(0,0,255),2,8,0)
    return frame

得到的效果如下：

 

需要注意的地方：

faces = face_detector.detectMultiScale(gray,1.02,1,minSize=(100,100),maxSize=(300,300)) 裏的參數需要重點關注，用於調整。

（二值圖，

每次圖像尺寸減小的一個比例，

表示每一個目標至少要被檢測到幾次纔會輸出，

設置目標的最小檢測尺寸，

設置目標的最大檢測尺寸。）

調整好目標檢測尺寸可以更有效更快的去檢測和識別。