基于opencv的人脸检测（图片、视频、摄像头）_opencv人脸检测

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

人脸检测识别一直是个热门的研究问题，同时也是opencv中一个实现相对容易的课题。

OpenCV自带了函数detectMultiScale()可以实现对行人和人脸的检测，实现简单，但识别效果相对较差。

在opencv源代码的副本中会有一个文件夹data/haarcascades，该文件夹包括了所有opencv的人脸检测的xml文件，这些文件可用于检测静止图像，视频和摄像头所得到图像中的人脸。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、检测图片中的人脸

import cv2
 
def face_detect_demo():
    # gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
    face_detect = cv2.CascadeClassifier("D:/anaconda/envs/pytorch/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml")
    faces = face_detect.detectMultiScale(src)
    for x, y, w, h in faces:
        cv2.rectangle(src, (x, y), (x+w, y+h), (0, 0, 255), 2)
    cv2.imshow("face_detect", src)
 
src = cv2.imread("D:/opencvdata/1.jpg")  #读取图片位置
cv2.imshow("input image", src)
face_detect_demo()
 
cv2.waitKey(0)
cv2.destroyAllWindows()

二、检测视频与摄像头中的人脸

import cv2
 
 
# 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=False):
    # 1.调用摄像头或者使用读取视频
    cv2.namedWindow("CaptureFace")
    if useCamera == True:
        cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)
    else:
        cap = cv2.VideoCapture('D:/opencvdata/video1.mp4')
 
    # 2.人脸识别器分类器
    classfier = cv2.CascadeClassifier('D:/anaconda/envs/pytorch/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml')
    color = (0, 255, 0)
 
    while cap.isOpened():
        flag, frame = cap.read()
        frame = cv2.flip(frame, 1)  # 镜像操作
 
        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

 后续会为大家带来 基于dlib的人脸检测  效果会好很多

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。