Python下應(yīng)用opencv 實(shí)現(xiàn)人臉檢測(cè)功能

更新時(shí)間：2019年10月24日 13:51:51 作者：leon_zeng0

OpenCV是如今最流行的計(jì)算機(jī)視覺庫(kù)，今天我們通過本文給大家分享Python下應(yīng)用opencv 實(shí)現(xiàn)人臉檢測(cè)功能，感興趣的朋友跟隨小編一起看看吧

使用OpenCV's Haar cascades作為人臉檢測(cè)，因?yàn)樗龊昧藥?kù)，我們只管使用。

代碼簡(jiǎn)單，除去注釋，總共有效代碼只有10多行。

所謂庫(kù)就是一個(gè)檢測(cè)人臉的xml 文件，可以網(wǎng)上查找，下面是一個(gè)地址：

https://github.com/opencv/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml

如何構(gòu)造這個(gè)庫(kù)，學(xué)習(xí)完本文后可以參考：

http://note.sonots.com/SciSoftware/haartraining.html

https://www.instructables.com/id/Create-OpenCV-Image-Classifiers-Using-Python/

知道構(gòu)造庫(kù)，就可以檢測(cè)各種你想要檢測(cè)的東西了。

人臉檢測(cè)不是人臉識(shí)別，但是人臉識(shí)別的前提。

運(yùn)行效果如下：

前提：

這個(gè)原始代碼來自 https://www.pyimagesearch.com/2016/11/21/raspbian-opencv-pre-configured-and-pre-installed/ 的一個(gè)教學(xué)講稿。

你需要下載haarcascade_frontalface_default.xml 以及準(zhǔn)備你要檢測(cè)的文件，我這里是family.jpg，放在python 文件detect_faces.py 所在目錄（工作目錄）的子目錄images下。haarcascade_frontalface_default.xml是放在工作目錄。

如果加上攝像頭連接程序，也可實(shí)時(shí)檢測(cè)，另文介紹。

代碼1介紹

導(dǎo)入庫(kù)，并做命令行參數(shù)處理。你在命令行可以輸入如下：

python detect_faces.py --image image/family.jpg  --detector haarcascade_frontalface_default.xml

我在程序中都有缺省參數(shù)處理，你如果集成測(cè)試或命令行不輸參數(shù)的話，就要修改好你的缺省值。

這樣命令行就是python detect_faces.py ，同時(shí)也可以輸入命令行輸入?yún)?shù)。

# USAGE 使用方法是：
# python detect_faces.py --image images/family.jpg \
# --detector haarcascade_frontalface_default.xml
# import the necessary packages 輸入包
# import imutils 
import argparse
import cv2
# construct the argument parser and parse the arguments //構(gòu)造命令行參數(shù)分析
# 為了集成測(cè)試，或者命令行輸入的簡(jiǎn)單，這里都有缺省參數(shù)
#image 是 images/family.jpg
#detector 是 haarcascade_frontalface_default.xml
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", default='images/family.jpg',
 help="path to the input image")
ap.add_argument("-d", "--detector", default='haarcascade_frontalface_default.xml',
 help="path to Haar cacscade face detector")
args = vars(ap.parse_args())
 導(dǎo)入圖形文件，并灰度處理
# load our image and convert it to grayscale 導(dǎo)入圖形文件，并灰度化
image = cv2.imread(args["image"])
#image =imutils.resize(image,width=800)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
導(dǎo)入檢測(cè)文件，檢測(cè)圖中人臉，顯示檢測(cè)到的人臉數(shù)
# load the face detector and detect faces in the image
# 導(dǎo)入臉部檢測(cè)文件
detector = cv2.CascadeClassifier(args["detector"])
#檢測(cè)圖形中的臉部
rects = detector.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=9,
 minSize=(40, 40), flags=cv2.CASCADE_SCALE_IMAGE)
#顯示檢測(cè)到的人臉數(shù)目
print("[INFO] detected {} faces".format(len(rects)))
 循環(huán)，繪圖每個(gè)檢測(cè)到的人臉框，并圖形顯示
# load the face detector and detect faces in the image
# 導(dǎo)入臉部檢測(cè)
detector = cv2.CascadeClassifier(args["detector"])
#檢測(cè)圖形中的臉部
rects = detector.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=9,
 minSize=(40, 40), flags=cv2.CASCADE_SCALE_IMAGE)
#顯示檢測(cè)到的人臉數(shù)目
print("[INFO] detected {} faces".format(len(rects)))

最后串接所有代碼如下：

# USAGE 使用方法是：
# python detect_faces.py --image images/family.jpg \
# --detector haarcascade_frontalface_default.xml
# import the necessary packages 輸入包
# import imutils 如果需要成比例縮放圖形才需要，這里不需要
import argparse
import cv2
# construct the argument parser and parse the arguments //構(gòu)造命令行參數(shù)分析
# 為了集成測(cè)試，或者命令行輸入的簡(jiǎn)單，這里都有缺省參數(shù)
#image 是 images/family.jpg
#detector 是 haarcascade_frontalface_default.xml
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", default='images/family.jpg',
 help="path to the input image")
ap.add_argument("-d", "--detector", default='haarcascade_frontalface_default.xml',
 help="path to Haar cacscade face detector")
args = vars(ap.parse_args())
# load our image and convert it to grayscale 導(dǎo)入圖形文件，并灰度化
image = cv2.imread(args["image"])
#image =imutils.resize(image,width=800)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# load the face detector and detect faces in the image
# 導(dǎo)入臉部檢測(cè)文件
detector = cv2.CascadeClassifier(args["detector"])
#檢測(cè)圖形中的臉部
rects = detector.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=9,
 minSize=(40, 40), flags=cv2.CASCADE_SCALE_IMAGE)
#顯示檢測(cè)到的人臉數(shù)目
print("[INFO] detected {} faces".format(len(rects)))
# loop over the bounding boxes and draw a rectangle around each face
# 循環(huán)rects,繪圖每個(gè)檢測(cè)到的人臉框
for (x, y, w, h) in rects:
 cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
# show the detected faces
cv2.imshow("Faces", image)
cv2.waitKey(0)

總結(jié)

以上所述是小編給大家介紹的Python下應(yīng)用opencv 實(shí)現(xiàn)人臉檢測(cè)功能,希望對(duì)大家有所幫助，如果大家有任何疑問請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！
如果你覺得本文對(duì)你有幫助，歡迎轉(zhuǎn)載，煩請(qǐng)注明出處，謝謝！

您可能感興趣的文章: