OpenCv—人脸检测（图片、摄像头）代码实现

AI_dataloads

已于 2023-10-26 09:05:01 修改

阅读量3k

点赞数 4

CC 4.0 BY-SA版权

文章标签： opencv 计算机视觉人工智能 1024程序员节

于 2023-10-24 20:27:47 首次发布

本文链接：https://blog.youkuaiyun.com/AI_dataloads/article/details/134020346

本文介绍了如何使用OpenCV库在Python中实现人脸检测，包括基于图片和摄像头的代码示例，展示了Haar级联分类器在实际应用中的工作原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

计算机视觉是人工智能领域中一个备受关注的分支，而人脸检测是其中一个最引人注目的应用之一。它可以应用于各种领域，如人脸识别、表情分析、面部特征检测等。

一、什么是人脸检测？

人脸检测是一项计算机视觉任务，旨在从图像或视频中自动检测和定位人脸的位置。这个任务听起来简单，但在背后涉及了复杂的算法和技术。OpenCV提供了一种强大而高效的方式来执行人脸检测，这得益于Haar级联分类器的应用。

Haar级联分类器的具体原理可以查看我的另一篇博客：人脸检测harr级联分类器原理

二、代码示例（图片）

import cv2

# 读取一张图像
image = cv2.imread('img_1.png')

# 将图像转换为灰度图像，因为Haar级联分类器需要处理灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 加载人脸检测器分类器（'haarcascade_frontalface_default.xml'是OpenCV提供的已经训练好的人脸检测器）
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 使用分类器检测图像中的人脸，返回一个包含人脸位置信息的列表
# scaleFactor：用于图像尺度的缩小比例，可以调整来适应不同尺寸的人脸
# minNeighbors：控制多个窗口检测到同一个人脸的情况，值越大会减少检测的假阳性
# minSize：人脸的最小尺寸，可以根据需要调整
faces = faceCascade.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=15, minSize=(8, 8))

# 打印检测到的人脸数量
print("发现{0}张人脸!".format(len(faces))

# 打印每张人脸的位置信息
print("其位置分别是：", faces)
"""-------------- 标注人脸及显示 -------------------"""
# 在原始图像上绘制矩形框来标记检测到的人脸
for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

# 显示标注后的图像
cv2.imshow("result", image)

# 等待用户按键退出，然后关闭图像窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

三、代码示例（摄像头）

import cv2

# 加载Haar级联分类器用于人脸检测
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 打开摄像头（0表示默认摄像头，如果有多个摄像头，可以使用不同的编号）
cap = cv2.VideoCapture(0)

while True:
    # 从摄像头中读取一帧图像
    ret, image = cap.read()
    
    # 水平翻转图像，因为通常摄像头捕捉到的图像是镜像的
    image = cv2.flip(image, 1)
    
    # 如果无法读取图像（可能是摄像头故障或摄像头未连接），则退出循环
    if ret is None:
        break
    
    # 将图像转换为灰度图像，以便进行人脸检测
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # 使用Haar级联分类器检测灰度图像中的人脸
    faces = faceCascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=16, minSize=(5, 5))
    
    # 遍历检测到的人脸
    for (x, y, w, h) in faces:
        # 在图像上绘制矩形框来标记检测到的人脸，颜色为绿色，线宽为2
        cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
    
    # 显示带有人脸标记的图像
    cv2.imshow('dedt', image)
    
    # 等待10毫秒，同时检查是否按下了键盘上的Esc键（ASCII码为27）
    key = cv2.waitKey(10)
    
    # 如果按下了Esc键，则退出循环
    if key == 27:
        break

# 释放摄像头资源
cap.release()

# 关闭所有打开的图像窗口
cv2.destroyAllWindows()