做一个图片筛选器：关于人像图片睁闭眼

使用OpenCV进行人脸和眼睛检测：闭眼状态识别示例
最新推荐文章于 2025-12-02 18:54:45 发布
原创 最新推荐文章于 2025-12-02 18:54:45 发布 · 376 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#opencv #计算机视觉 #人工智能 #python

本文介绍了如何使用OpenCV库进行人脸和眼睛检测，包括加载预训练模型、图像灰度化、多尺度检测以及眼睛状态判断。虽然对于多人图片的识别可能存在不足，但可通过调整模型精度改善。

这个也很简单，我们用到的是opencv库

import cv2

# 加载人脸和眼睛检测器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml')

# 读取输入图像
image = cv2.imread("image.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 人脸检测
faces = face_cascade.detectMultiScale(gray, 1.3,
最低0.47元/天 解锁文章
人脸识别——筛选与删除重复或近似重复数据提高人脸识别的精确度
知来者逆的博客
05-27 1995
本文介绍了一种基于哈希函数的重复人脸图像检测方法。它还提出了如何在预处理过的人脸图像和原始图像上使用这一方法。利用这些方法，我们检测了通过网络搜刮收集的五个具有代表性的人脸图像数据集的重复图像。除 LFW 数据集外，每个数据集中都有超过 1%的图像被认为是重复图像，从数百到数十万不等。大多数重复图像属于一个数据集目标（目标内重复），但也有一些，尤其是在 C-MS-Celeb 数据集中，属于多个目标（目标间重复）。它还展示了如何从数据集中有效识别和删除重复图像。
睁眼闭眼检测 python opencv
CSPhD-winston的博客
07-06 1135
睁眼闭眼检测，对给定文件夹中的所有图片进行睁眼闭眼检测，并将带有检测结果的可视化图片保存到另一个文件夹中。如果在图片中未检测到脸部，代码会在图片上添加"No face"标签（红色字体），并保存结果。这是通过OpenCV库中的Haar级联分类器实现的。三种检测结果：1，没有检测到脸，no face 红色2，没有检测到睁眼，Eyes closed 红色，脸部边框 蓝色3，检测到睁眼，Eyes open 绿色，脸部边框 蓝色：包含待处理图片的输入文件夹路径。：保存处理结果图片的输出文件夹路径。
睁闭眼状态检测——SVM模型训练
gm_Ergou的博客
07-09 6879
前言 svm训练模型相当简单，难的是提取特征这一步，这里介绍了一个睁闭眼检测功能从提取特征到预测的全过程。 首先，需要准备数据，我这里有睁眼和闭眼的照片各3000张，传统的机器学习方法都需要提取特征，这里检测特征用到了三个，通过程序预先提取出来了；接下来是模型的训练和预测过程。 特征提取出来：文件名+三个特征+标签（0睁眼、1闭眼） 然后把三个特征进行归一化，更有利于训练，...
Haar分类器（人脸识别、人眼识别）
zxjor91的专栏
06-05 6937
转自http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html#!comments一、Haar分类器的前世今生人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。 目前的人脸检测方法主要有两大类：基于知识和基于统计
浅析人脸检测之Haar分类器方法：Haar特征、积分图、 AdaBoost 、级联
zcqwerty的博客
11-01 361
浅析人脸检测之Haar分类器方法 一、Haar分类器的前世今生        人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。        目前的人脸检测方法主要有两大类：基于知识和基于统计。 Ø  基于知识的方法：主要利用先验知识将人脸看作器官特征的组合，根
手把手教你用SD做转绘视频
2401_84250575的博客
04-23 6292
所谓转绘视频，其实质就是将视频分切成序列帧，然后对序列帧做转绘，再将转绘后的序列帧合成为视频的一个过程。但如果是将每一帧都进行手工转绘处理，不仅工作量大，而且由于每一帧会存在差异，将导致最终合成的视频出现画面闪烁的情况。为解决这一问题，在SD中我们将引入Ebsynth这一工具。利用ebsynth将视频分切，然后提取视频主体动作幅度相近的帧作为关键帧，在SD中对这部分关键帧做转绘处理，用ebsynth渲染关键帧之间的过渡帧，最后将输出的所有帧合成为视频。
Qwen3-VL-8B在婚庆摄影选片中的智能筛选建议
weixin_36231030的博客
11-30 316
利用Qwen3-VL-8B多模态大模型实现婚庆摄影智能选片，通过情感分析、人物互动理解与自然语言输出，提升选片效率与客户体验。支持本地部署、低成本运行，助力摄影工作室实现自动化筛选与结构化推荐。
PaddleGAN数据集制作：从视频中提取人脸数据教程
gitblog_00892的博客
10-30 543
你是否还在为AI模型训练时缺少高质量人脸数据而烦恼？想让你的First-Order Motion Transfer（一阶运动迁移）效果更逼真？本文将带你使用PaddleGAN完成从视频到人脸数据集的全流程制作，无需专业背景，3步即可上手。读完本文你将掌握：视频帧提取、智能人脸检测、批量数据清洗的完整技能链，让你的AI模型拥有更优质的训练素材。 ## 一、视频帧提取：将动态画面转为静态图像 视频...
关于人脸识别的最全研究！
人工智能学家
09-20 4180
来源：北京物联网智能技术应用协会　　本文内容涵盖人脸识别发展历程、市场研究、核心技术、商业应用以及产业落地、个人看法等干货研究。注意，本文干货满满，约有2万7千字，强烈建...
ESP32AI门禁安全性大揭秘：防御照片_视频回放攻击的5种防欺骗对策
!...# 1. ESP32 AI门禁系统安全威胁全景分析 随着AI技术在边缘设备的广泛应用，基于ESP32的AI门禁系统正面临日益复杂的欺骗攻击威胁。攻击者利用高清打印照片、手机屏幕回放甚至对抗样本扰动等手段，试图绕过人脸识别...
告别静态文字！用 Trae+MiniMax 打造「听觉沉浸式」网页，让访问者秒变听众
热门推荐
2301_80038570的博客
06-20 2万+
今天的案例需要使用语音合成服务，以语音合成使用较多的MiniMax MCP为 这里我们使用到了蓝耘MCP广场，因为mcp模型多，并且可以进行精准搜索在蓝耘 MCP 广场，“资源丰沛” 与 “便捷获取” 实现了完美融合。这里汇聚了数以千计的 MCP，覆盖多个领域，从前沿技术工具到实用创意素材，应有尽有。 广场配备的智能搜索功能，支持多维度精准检索，无论你是寻找特定功能的 MCP，还是探索某一主题下的优质资源，只需轻轻输入关键词，系统便能迅速筛选出匹配内容点击蓝耘广场进入到MCP广场的页面 这里我们直接进行搜
ORL人脸库在人脸识别与检测中的应用研究
ORL人脸库是一个专门为研究和开发人脸识别与人脸检测系统设计的数据库。这个数据库包含多张人脸图片，这些图片采集于不同的人，而且在不同的表情、光照条件下拍摄。ORL人脸库广泛应用于计算机视觉和模式识别领域的...
基于Python+Keras+OpenCV实现实时人脸活体检测 | 文末送书
深度学习与计算机视觉
06-11 1566
你在互联网上找到的大多数人脸识别算法和研究论文都会遭受照片攻击。这些方法在检测和识别来自网络摄像头的图像、视频和视频流中的人脸方面是非常有效，但是他们无法区分现实生活中的面孔和照片上的面...
Android OpenCV SDK 编译教程（WSL2 Ubuntu 22.04 环境）
最新发布
XRN的博客
12-02 722
本文介绍了在WSL2 Ubuntu 22.04环境下编译Android OpenCV SDK的完整流程，以及AAR的相关问题。
【OpenCV】Python图像处理之特征提取
棒棒的皮皮
12-01 1156
本文介绍了Python图像处理中的多种特征提取技术。主要内容包括：1）基础特征提取（颜色直方图、纹理特征）；2）边缘与轮廓检测（Canny算法、轮廓分析）；3）关键点检测（SIFT、SURF、ORB算法）；4）深度学习特征提取（使用预训练CNN模型）；5）形状特征（Hu矩）。文章详细说明了各种技术的实现方法，并提供了OpenCV、Scikit-image等库的代码示例。最后总结了不同特征提取技术的适用场景，建议根据具体任务需求选择合适的特征类型，结合传统算法和深度学习方法获取最佳效果。
【OpenCV】Python图像处理之通道拆分与合并
棒棒的皮皮
12-02 596
OpenCV-Python中图像通道的拆分与合并操作详解：本文介绍了处理彩色图像的两种核心方法，包括使用cv2.split()/merge()函数和更高效的NumPy数组索引方式。重点说明BGR通道顺序特性、单通道处理技巧（如通道修改、掩码应用）及常见问题（如通道顺序错误、性能优化）。通过示例代码演示了通道拆分、修改、合并的完整流程，以及通道交换、伪彩色可视化等实用技巧，为图像处理中的通道级操作提供了完整解决方案。
【OpenCV】Python图像处理之图像预处理
棒棒的皮皮
12-01 1420
本文介绍了Python中常用的图像预处理技术，包括图像读取、尺寸调整、归一化、噪声去除和增强等操作。详细讲解了使用OpenCV、PIL/Pillow等库实现各项预处理的方法，如BGR转RGB格式转换、双线性插值调整尺寸、高斯/中值/双边滤波去噪、直方图均衡化增强对比度等。文章还涵盖了图像格式转换和数据增强技术，并针对不同计算机视觉任务（分类、检测、医学图像）给出了预处理建议。这些基础步骤对于统一数据格式、消除干扰和增强特征至关重要，是计算机视觉任务的重要前提。
图像处理OpenCV与深度学习框架YOLOv8的主要区别是什么？
软件行业技术文化交流。
12-02 533
OpenCV（Open Source Computer Vision Library）是。
【OpenCV】Python图像处理之开发环境搭建
棒棒的皮皮
12-01 660
本文详细介绍了OpenCV-Python开发环境的三种搭建方式：1）pip安装（推荐使用国内镜像源加速）；2）Anaconda环境搭建；3）源码编译安装（适合进阶用户）。文章包含Python版本检查、安装命令、环境验证方法，以及常见问题解决方案（如NumPy兼容性、DLL加载失败等）。同时推荐了PyCharm等开发工具和matplotlib等辅助库，并提供了测试示例代码。建议新手使用pip或Anaconda安装预编译包，安装完成后通过版本检查和测试代码验证环境是否正常。
高效批量图片下载器：定制关键词自动保存图片
开发一个像“批量图片在线下载器”这样的软件涉及到多个步骤，包括需求分析、设计、编码、测试以及维护。在分发软件时，可能还会涉及到打包和压缩，以方便用户下载和安装。压缩包子文件的文件名称列表暗示了这些文件...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值