【学习记录】Opencv人脸检测项目

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

本人只是一个小白，本次内容是用于学习记录用，经常有些东西忘记，不如直接写篇内容帮助自己巩固，欢迎各位大佬对我的内容进行批评与指正。也欢迎讨论。如有侵权，我删文并道歉。

一、准备工作

用的是python，装好python版本环境，用到是opencv，用pip直接安装

pip install opencv-python

二、基础教学

1.显示图片

首先准备好图片。然后显示即可，发现会很快消失，所以我们让他等待即可。最后销毁全部窗口。如果需要指定哪个窗口销毁的话，可以使用cv.desroyWindows()指定销毁窗口。

代码如下：

import cv2 as cv
img=cv.imread('face2.jpeg')
cv.imshow('read_img',img)
cv.waitKey(0)#等待
cv.destroyAllWindows()#销毁窗口

结果如下：

2.灰度图片

在正常中，可以用灰度图来减少计算成本，这是很重要的，有些函数也只能使用灰度图。所以我们需要将我们的原图转化为灰度图。顺带介绍如何保存图片。

灰度转化：cv.cvtColor(对象，cv.COLOR_BGR2GRAY)

代码如下：

import cv2 as cv
img=cv.imread('face2.jpeg')
cv.imshow('BGR_img',img)
gray_img=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
cv.imshow('gray_img',gray_img)
#保存图片
cv.imwrite('gray.jpg',gray_img)
cv.waitKey(0)
cv.destroyAllWindows()

结果：

3.绘制

这里我们需要在图片画出一个矩形，这个可以用来圈出我们的人脸，用函数就是

矩形：cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)

其中xy就是框的上角坐标，（x+w，y+h，会不会是下角坐标捏，作者也不知道，猜的，写文章的作用就体现了，）

color就是颜色，opencv中是BGR排列，所以使用的就是绿色。

thickness就是线条的粗细。

圆：cv.circle(img,center=(x,y),radius=r,color=(0,255,0),thickness=2)

与上述一致，xy是中心点，r是半径

代码如下：

import cv2 as cv
img=cv.imread('face2.jpeg')
#画矩形
x,y,w,h=50,50,50,50
cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
#绘制圆center元组指原点的坐标
x1,y1,r=75,75,25
cv.circle(img,center=(x1,y1),radius=r,color=(0,255,0),thickness=2)
cv.imshow('rectangle',img)
cv.waitKey(0)

结果如下：

4.人脸检测

1、Haar特征

Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。（听不懂。我也听不懂。感觉像是对于边缘变化，然后判断标准，重申，个人想法不肯定，不确定，不负责）

简单学习用的人脸检测，我们可以直接下载opencv官网的特征。网站如下：

https://opencv.org/releases/

随便下载一个对应操作系统的版本吧。然后我们使用里面的haar特征，在文件的这里

D:\谷歌下载\opencv\build\etc\haarcascades

使用这个基础默认的，其他一些是根据眼睛，鼻子之类的去识别人脸的

2，CascadeClassifier—级联分类器

介绍：它可以帮助我们检测例如车牌、眼睛、人脸等物体。它的大概原理就是判别某个物体是否属于某个分类。以人脸为例，我们可以把眼睛、鼻子、眉毛、嘴巴等属性定义成一个分类器，如果检测到一个模型符合定义人脸的所有属性，那么就认为它是一个人脸。接下来我们就逐步实现。

 face_detector= cv.CascadeClassifier('../haarcascades/haarcascade_frontalface_default.xml')

操作：将那个默认的，后缀名为.xml的分类器-->传入函数。

3，调用detectMultiScale()函数进行检测。

faces= face_detector.detectMultiScale(gray,scaleFactor=1.1,minNeighbors=3) 

scaleFactor->调整尺寸， minNeighbors->检测几次才能确认，小了误检，大了漏检

记住一定要灰度传入减少计算。（可以原图吗？？？？

4，绘制人脸框

在3中使用函数可以返回x,y,w,h，也就是坐标点和宽高。我们只需要进行遍历，取出xywh，在结合绘制，不就画出人脸框了嘛，（图再看一边，重新拿过来用，嘻嘻）

代码如下：

import cv2 as cv
def face_detector_demo():
    gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    face_detector= cv.CascadeClassifier('../haarcascades/haarcascade_frontalface_default.xml')
    #scaleFactor->可以缩放比例， minNeighbors->检测几次才能确认
    faces= face_detector.detectMultiScale(gray,scaleFactor=1.1,minNeighbors=3) #可以调整
    for x,y,w,h in faces:
        print(x,y,w,h)
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
       # cv.circle(resizes_img,center=(x+w//2,y+h//2),radius=w//2,color=(0,0,255),thickness=2)#画圆
 
    cv.imshow('result',img)
img= cv.imread('face2.jpeg')
face_detector_demo()
 
cv.waitKey(0)

，结果如下：

结果惨不忍睹，为什么识别不到中间的人，这个时候可以稍微调整一下，例如检测次数，或者尺寸比例调一调。

调整后：

你也不能说没圈到吧，就能不能去掉后面的观众捏，是可以的。我们可以看出来，后面观众的宽高较小，代码中我也打印出来了w，h，我们完全可以让他消失，看看自己打印数据调节哈。

我这里差不多是60-80，我们设置minsize为（80，80）就可以去掉观众了

detectMultiScale函数中可以调节

faces= face_detector.detectMultiScale(gray,scaleFactor=1.07,minNeighbors=5,minSize=(80,80)) 

（这种思路是不是可以用作近景和远景区别捏，甚至可以确定一个人脸框正确的矫正位置，让人自行调整与摄像头的距离。作者的bb系列）

5.人脸识别

原先的太low了，作者学到更好的再来写文章。

总结

第一次写，写比较有趣点，有什么写什么，就跟写小说一样，如果能帮到你，我很荣幸。

文章纯属小白文，喜欢能有大佬点评点评，祝各位能开开心心的。嘻嘻