python实现人脸检测的简单实例

目录

• OpenCV
• 代码结果：
• 方法如下：
• 完整代码：
• 总结

OpenCV

OpenCV 是计算机视觉领域最受欢迎的开源库，起初它由 C/C ++ 编写，现在用 python 也能使用。

OpenCV 可以使用机器学习算法搜索图像中的人脸。由于人脸比较复杂，所以并没有一种简单的测试可以告诉我们它是否发现了人脸。但是，算法能够匹配到数千个很小的模式和特征。算法会将识别人脸的任务分解为几千个非常非常小的任务，像这种很小的任务，解决起来就比较容易了。这样的微小任务就被称为分类器。

代码结果：

方法如下：

寻找导入的xml文件

import cv2 
print(cv2.__file__)

找到cv2安装的路径，在该路径下找到/data文件。

里面默认下载了一部分xml文件，不是全部的xml文件。如果需要的xml文件不在里面，需要自行在网上下载，然后放到该目录下，以备调用。比如自行安装（'haarcascade_mcs_nose.xml'，'haarcascade_mcs_mouth.xml'）

导入包：

import cv2

 导入xml文件，可以根据任务需要，自行选择需要导入的xml文件

#人脸检测器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
#眼睛检测器
eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml')
#嘴巴检测器
mouth_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_mcs_mouth.xml')
#鼻子检测器
nose_cascade = cv编程客栈2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_mcs_nose.xml')

 设置窗口：

cv2.namedWindow('mytest', 0);
cv2.resizeWindow('mytest', 1500, 1000)

 打开摄像头，人脸识别：

#获取摄像头
cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)
#打开摄像头
cap.open(0)
while cap.isOpened():
    #获取画面
    flag, frame = cap.read()
 
    #人脸检测
    faces = face_cascade.detectMultiScale(frame, 1.3, 2)
    img = frame
    for (x, y, w, h) in faces:
        #根据人脸坐标和长度，宽度画出矩形
        img = cv2.rectangle(img, (x, y), (x+w, y+h),(255, 0 ,0), 2)
        
        #确定人脸范围，在人脸上搜索其他特征
        face_area = img[y:y+h, x:x+w]
        
        #人眼检测
        eyes = eye_cascade.detectMultiScale(face_area, 1.3, 2)
        for (ex, ey, ew, eh) in eyes:
             cv2.rectangle(face_area, (ex, ey), (ex + ew, ey + eh), (255, 0 ,0), 1)
 
        #嘴巴检测
        mouth = mouth_cascade.detectMultiScale(face_area, 1.5, 2)
        for (mx, my, mw, mh) in mouth:
            cv2.rectangle(face_area, (mx, my), (mx + mw, my + mh), (0, 0, 255), 2)
 
        # 鼻子检测
        nose = nose_cascade.detectMultiScale(face_area, 1.2, 5)
        for (nx, ny, nw, nh) in nose:
            cv2.rectangle(face_area, (nx, ny), (nx + nw, ny + nh), (255,www.cppcns.com 0, 255), 2)
 
    #画面显示
    cv2.imshow('mytest', img)
    #设置退出按钮
    key_pressed = cv2.waitKey(100)
    print('单机窗口，输入按键，电脑按键为',key_pressed,'按esc键结束')
    if key_pressed == 27:
        break
 
编程客栈#关闭摄像头
cap.release()
#关闭图像窗口
cv2.destroyAllWindows()

完整代码：

import cv2
#人脸检测器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
#眼睛检测器
eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml')
#嘴巴检测器
mouth_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_mcs_mouth.xml')
#鼻子检测器
nose_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_mcs_nose.xml')
 
#获取摄像头
cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)
#打开摄像头
cap.open(0)
cv2.namedWindow('mytest', 0);
cv2.resizeWindow('mytest', 1500, 1000)
while cap.isOpened():
    #获取画面
    flag, frame = cap.read()
 
    #人脸检测
    faces = face_cascade.detectMultiScale(frame, 1.3, 2)
    img = frame
    for (x, y, w, h) in faces:
        #根据人脸坐标和长度，宽度画出矩形
        img = cv2.rectangle(img, (x, y), (x+w, y+h),(255, 0 ,0), 2)
 
        #确定人脸范围，在人脸上搜索其他特征
        face_area = img[y:y+h, x:x+w]
 
        #人眼检测
        eyes = eye_cascade.detectMultiScale(face_area, 1.3, 2)
        for (ex, ey, ew, eh) in eyes:
             cv2.rectangCFztLBrmle(face_area, (ex, ey), (ex + ew, ey + eh), (255, 0 ,0), 1)
 
        #嘴巴检测
        mouth = mouth_cascade.detectMultiScale(face_area, 1.5, 2)
        for (mx, my, mw, mh) in mouth:
            cv2.rectangle(face_area, (mx, my), (mx + mw, my + mh), (0, 0, 255), 2)
 
        # 鼻子检测
        nose = nose_cascade.detectMultiScale(face_area, 1.2, 5)
        for (nx, ny, nw, nh) in nose:
            cv2.rectangle(face_area, (nx, ny), (nx + nw, ny + nh), (255, 0, 255), 2)
  
    #画面显示
    cv2.imshow('mytest', img)
    #编程客栈设置退出按钮
    key_pressed = cv2.waitKey(100)
    print('单机窗口，输入按键，电脑按键为',key_pressed,'按esc键结束')
    if key_pressed == 27:
        break
 
#关闭摄像头
cap.release()
#关闭图像窗口
cv2.destroyAllWindows()

总结

到此这篇关于python实现人脸检测的文章就介绍到这了,更多相关python人脸检测内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！