1、使用 OpenCV 进行人脸检测加载图像并检测人脸，在原始图像的人脸周围绘制矩形框。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 | # 人脸检测
import cv2 as cv
def face_detect():
# 将图片灰度处理，降低色彩的通道
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 加载特征数据
face_detector = cv.CascadeClassifier('D:/Python/opencv/sources/data
/haarcascades/haarcascade_frontalface_default.xml')
face = face_detector.detectMultiScale(gray)
for x, y, w, h in face: # 坐标及宽度高度
cv.rectangle(img, (x, y), (x+w, y+h), color=(0, 255, 0), thickness=2)
# img所画图片，坐标，颜色，宽度
# 显示
cv.imshow('result', img)
# 加载图片
img = cv.imread('lena.jpg')
# 人脸检测
face_detect()
cv.waitKey(0)
cv.destroyAllWindows()
|
2、当图片中人数较多时，识别需要指定参数。
限定识别范围参数：
scaleFactor(比例因子)：图片缩放多少；
minNeighbors：至少检测多少次；
minSize maxSize：当前检测区域的最小面积。
1 2 3 4 5 | # 将照片灰度
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 加载特征数据
face_detector = cv.CascadeClassifier('D:/Python/opencv/sources/data/haarcascades
/haarcascade_frontalface_default.xml')
|
宋雪维2021-02-22 15:54:11原创2104
