OpenCV实时人脸检测

介绍一种实现人脸识别最简单的调包方法。

这里的人脸分类原理：使用级联分类器

这里我们只使用opencv封装好的api 。

 

一、首先在github官网上下载用于识别的分类器

地址：https://github.com/opencv/opencv/tree/master/data  这里的haar和lbp数据文件都是可以使用的，我先下载到本地。

这里的分类器都是可以使用的。我们就选择其中一个来使用。

 

二、代码如下

1.读取视频

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)  #帧数
    fps = capture.get(cv.CAP_PROP_FPS)  #频率：每秒播放几帧
    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.加载分类器

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

这里也可以改变加载的分类器，可以多尝试几种包里的分类器

3.输出边框

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)) 里的参数需要重点关注，用于调整。

（二值图，

每次图像尺寸减小的一个比例，

表示每一个目标至少要被检测到几次才会输出，

设置目标的最小检测尺寸，

设置目标的最大检测尺寸。）

调整好目标检测尺寸可以更有效更快的去检测和识别。