基于Haar+Adaboost人脸识别

最新推荐文章于 2020-03-17 14:54:16 发布

丁叔叔

最新推荐文章于 2020-03-17 14:54:16 发布

阅读量217

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/weixin_43758551/article/details/88555848

本文介绍了一种使用OpenCV库进行人脸及眼睛检测的方法。通过加载预训练的Haar级联分类器，实现从图像中检测人脸，并进一步检测眼睛位置。该过程包括读取图像、灰度转换、人脸检测、画出检测框等步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# 1 load xml 2 load jpg 3 haar gray 4 detect 5 draw
import cv2
import numpy as np
# load xml 1 file name
face_xml = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_xml = cv2.CascadeClassifier('haarcascade_eye.xml')
# load jpg
img = cv2.imread('face.jpg')
cv2.imshow('src',img)
# haar gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# detect faces 1 data 2 scale 3 5
faces = face_xml.detectMultiScale(gray,1.3,5)
print('face=',len(faces))
# draw
for (x,y,w,h) in faces:
    cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
    roi_face = gray[y:y+h,x:x+w]
    roi_color = img[y:y+h,x:x+w]
    # 1 gray
    eyes = eye_xml.detectMultiScale(roi_face)
    print('eye=',len(eyes))
    for (e_x,e_y,e_w,e_h) in eyes:
       cv2.rectangle(roi_color,(e_x,e_y),(e_x+e_w,e_y+e_h),(0,255,0),2)
cv2.imshow('dst',img)
cv2.waitKey(0)