圖片人臉檢測（OpenCV版）

來自專欄猿論

圖片人臉檢測

人臉檢測使用到的技術是OpenCV，上一節已經介紹了OpenCV的環境安裝，點擊查看.

功能展示

識別一種圖上的所有人的臉，並且標出人臉的位置，畫出人眼以及嘴的位置，展示效果圖如下：

多張臉識別效果圖：

技術實現思路

圖片轉換成灰色（降低為一維的灰度，減低計算強度）

圖片上畫矩形

使用訓練分類器查找人臉

具體實現代碼

圖片轉換成灰色

使用OpenCV的cvtColor()轉換圖片顏色，代碼如下：

import cv2filepath = "img/xingye-1.jpg"img = cv2.imread(filepath)# 轉換灰色gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 顯示圖像cv2.imshow("Image", gray)cv2.waitKey(0)cv2.destroyAllWindows()

圖片上畫矩形

使用OpenCV的rectangle()繪製矩形，代碼如下：

import cv2filepath = "img/xingye-1.jpg"img = cv2.imread(filepath) # 讀取圖片gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 轉換灰色x = y = 10 # 坐標w = 100 # 矩形大小（寬、高）color = (0, 0, 255) # 定義繪製顏色cv2.rectangle(img, (x, y), (x + w, y + w), color, 1) # 繪製矩形cv2.imshow("Image", img) # 顯示圖像cv2.waitKey(0)cv2.destroyAllWindows() # 釋放所有的窗體資源

使用訓練分類器查找人臉

在使用OpenCV的人臉檢測之前，需要一個人臉訓練模型，格式是xml的，我們這裡使用OpenCV提供好的人臉分類模型xml，下載地址：https://github.com/opencv/opencv/tree/master/data/haarcascades 可全部下載到本地，本人存放的路徑是：C:Python36Libsite-packagesopencv-masterdatahaarcascades.

完整實現代碼：

import cv2filepath = "img/xingye-1.jpg"img = cv2.imread(filepath) # 讀取圖片gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 轉換灰色# OpenCV人臉識別分類器classifier = cv2.CascadeClassifier( "C:Python36Libsite-packagesopencv-masterdatahaarcascadeshaarcascade_frontalface_default.xml")color = (0, 255, 0) # 定義繪製顏色# 調用識別人臉faceRects = classifier.detectMultiScale( gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))if len(faceRects): # 大於0則檢測到人臉 for faceRect in faceRects: # 單獨框出每一張人臉 x, y, w, h = faceRect # 框出人臉 cv2.rectangle(img, (x, y), (x + h, y + w), color, 2) # 左眼 cv2.circle(img, (x + w // 4, y + h // 4 + 30), min(w // 8, h // 8), color) #右眼 cv2.circle(img, (x + 3 * w // 4, y + h // 4 + 30), min(w // 8, h // 8), color) #嘴巴 cv2.rectangle(img, (x + 3 * w // 8, y + 3 * h // 4), (x + 5 * w // 8, y + 7 * h // 8), color)cv2.imshow("image", img) # 顯示圖像c = cv2.waitKey(10)cv2.waitKey(0)cv2.destroyAllWindows()

分類器classifier.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))參數說明：

gray：轉換的灰圖

scaleFactor：圖像縮放比例，可理解為相機的X倍鏡

minNeighbors：對特徵檢測點周邊多少有效點同時檢測，這樣可避免因選取的特徵檢測點太小而導致遺漏

minSize：特徵檢測點的最小尺寸

推薦課程：OpenCV+TensorFlow_全面學習計算機視覺-慕課網實戰

作者：vipstone

鏈接：https://www.imooc.com/article/30141

來源：慕課網

本文原創發佈於慕課網 ，轉載請註明出處，謝謝合作

推薦閱讀：

【重磅】認證作者招募 | 打造個人品牌 so easy ！

OpenCV環境搭建

慕課網：2018 AI、機器學習、深度學習與 Tensorflow 相關優秀書籍、課程、示例鏈接集錦

慕課網：給編程初學者的一些建議

SpringBoot開發案例從0到1構建分散式秒殺系統