第15课时 人脸检测

**学科：**人工智能	年级： 七年级上
**课题：**第15课时 人脸检测	课时数：1

教学目标：

理解人脸检测的原理；

能够读懂人脸检测代码；

掌握级联分类器CascadeClassifier的使用方法；

教学重点：

理解人脸检测的原理。

教学难点：

级联分类器CascadeClassifier的使用方法。

教学准备：

示例图片，程序代码文件（！！所有的图片、代码必须以英文命名）

---

教 学 过 程

---

一、开放导入

现在市面上绝大部分的手机拍照都具有人脸检测功能，它能在拍照时检测画面中是否出现人脸，如果检测到，便在人脸上画一个矩形，并可以在时对该区域进行美化，实现美颜的效果。

人脸检测是人工智能领域一个重要的应用分支，本节课我们就来学习制作一个简单的人脸检测器。

二、核心过程推进

1.人脸检测原理

我们将人脸看作二维像素矩阵；

​

然后通过大量人脸图像样本构造出人脸检测模型；

最后根据相似度量来判断检测图片中是否有人脸。

2.人脸检测器

人脸检测器的功能是从一个图像中找出人脸的位置和大小，并使用矩形标示出来。

人脸检测难点在于构建准确的人脸检测模型，人脸检测模型越准确，人脸识别率也就越高。 幸运的是，OpenCV提供了级联分类器（CascadeClassifier）和人脸检测模型（Faces.xml），我们只需要使用几行代码就可以实现人脸检测功能。

import cv2
#从文件读取图像并转为灰度图像
img = cv2.imread('gdg03.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#创建人脸检测器
file = 'faces.xml'
face_cascade = cv2.CascadeClassifier(file)
#检测人脸区域
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
#标注人脸区域
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

cv2.imshow('Image', img)  #显示检测结果

cv2.waitKey(0)  #按任意键退出
cv2.destroyAllWindows()  #关闭窗口

opencv在做人脸识别时需要使用灰度图，所以需要先将彩色图转换为灰度图；

检测人脸区域 1.3和5这个两个数值取值越大，准确率越高，但识别率则会越低，试着将两个数减小或增大，看看检测效果会发生什么变化？

faces = face_cascade.detectMultiScale(gray, 1.3, 5)

练习

分别检测素材中的含有人脸的图片，通过调整1.3和5的数值，使其能够准确的检测出图片中的人脸。

faces = face_cascade.detectMultiScale(gray, 1.3, 5)

三、开放延伸

通过本节课的学习，对于图片修改你有哪些收获呢？