python3.6 open3.4 人脸定位案例

本文介绍了一个使用Python和OpenCV进行人脸及眼睛检测的实际案例。通过具体代码演示了如何加载图片,利用Haar级联分类器检测图像中的人脸和眼睛,并在图像中标记出来。

python3.6 open3.4 人脸识别。搞了半天,记录下走过的坑。
可以检测人脸,还有眼睛。
先上效果:
011521_h1Dk_2396236.png

代码如下:

import cv2
import sys
import os
# Get user supplied values
imagePath = './heying5.jpg'#sys.argv[1]
# Create the haar cascade

faceCascade=cv2.CascadeClassifier('D:\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml')#
eyeCascade = cv2.CascadeClassifier("D:\opencv\sources\data\haarcascades\haarcascade_eye.xml")
if 
# Read the image
image = cv2.imread(imagePath)#2
# cv2.imshow("frame" , image)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)#3
# cv2.imshow("frame" , gray)
# Detect faces in the image
faces = faceCascade.detectMultiScale(gray,scaleFactor=1.15,minNeighbors=5,minSize=(5,5))
    #flags=cv2.CASCADE_SCALE_IMAGE

#faceCascade.detectMultiScale(gray, scaleFactor = 1.3, minNeighbors = 4, minSize = (32, 32))
print("Found {0} faces!".format(len(faces)))#5
for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2) #6
    roi_gray_img = gray[y:y + h, x:x + w]
    roi_img = image[y:y + h, x:x + w]
    eyes = eyeCascade.detectMultiScale(roi_gray_img, 1.3, 5)
    for eye_x, eye_y, eye_w, eye_h in eyes:
        cv2.rectangle(roi_img, (eye_x, eye_y), (eye_x + eye_w, eye_y + eye_h), (255, 0, 0), 2)

cv2.imshow("Faces found", image)#7
cv2.waitKey(0) #8


注意:
坑1:

faceCascade=cv2.CascadeClassifier('D:\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml')

很多文章直接写成:

faceCascade=cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

假如代码运行出错,找不到haarcascade_frontalface_default.xml文件,必须要单独安装opencv的exe的压缩包,解压缩后,里面会有此xml文件,然后把全地址填到这里。

坑2:
很多博客是基于opencv2.x版本的,我的环境是opencv3.4的。3.4中cv2.cv已经没了....一般情况直接把cv2.cv.xxx改成cv2.xxx就行。假如不行的,百度看看换成其他什么了。

转载于:https://my.oschina.net/u/2396236/blog/1610198

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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