OpenCV入门（22）：机器学习方法做人脸识别（haar特征 + adaboost分类器）

最新推荐文章于 2022-09-25 20:55:27 发布

Home丶Basic

最新推荐文章于 2022-09-25 20:55:27 发布

阅读量507

点赞数

CC 4.0 BY-SA版权

分类专栏： OpenCV

本文链接：https://blog.youkuaiyun.com/weixin_44650248/article/details/95616811

OpenCV 专栏收录该内容

27 篇文章

订阅专栏

该博客聚焦OpenCV入门知识，介绍利用机器学习方法进行人脸识别，具体采用haar特征与adaboost分类器结合的方式，为相关技术学习提供了入门指引，属于信息技术领域的图像处理范畴。

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.遍历并框
import cv2
import numpy
# load xml文件
face_xml = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')
eye_xml = cv2.CascadeClassifier('./haarcascade_eye.xml')
# load jpg
img = cv2.imread('./face.jpg',1)
cv2.imshow('src',img)
# 计算haar，交由OpenCV处理 ； gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# detect
faces = face_xml.detectMultiScale(gray,1.3,5)# 1.灰度图片  2.缩放系数 3.目标大小，最小不能小于这个像素值
print('faces = ',len(faces))# 打印人脸数
# 框出人脸
for (x,y,w,h) in faces:
    cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)# 1.需要绘制矩形框的图片  2.矩形框的起点坐标  3.矩形框的终点坐标  4.矩形框颜色  5.线条宽度
    roi_face = gray[y:y+h,x:x+w]
    roi_colorface = img[y:y+h,x:x+w]
    # 识别眼睛(其他参数使用默认值)
    eyes = eye_xml.detectMultiScale(roi_face)
    print('eyes = ',len(eyes))# 打印眼睛数
    for (e_x,e_y,e_w,e_h) in eyes:
        cv2.rectangle(roi_colorface,(e_x,e_y),(e_x+e_w,e_y+e_h),(0,255,0),2)
cv2.imshow('dst',img)
cv2.waitKey(0)