人脸检测+识别

2023-09-13 11:38| 来源: 网络整理| 查看: 265

04绘制矩形

在图像上绘制矩形和圆形还是比较简单的，直接调用opencv中的rectangle和circle函数，并给出适合的参数即可。

# 导入opencv库 import cv2 # 读取图片文件dehua.jpg（文件名不能有中文）,存入img img = cv2.imread("./images/dehua.jpg") # 坐标，（x,y）矩形左上角坐标，（w,h）矩形的宽和高 x,y,w,h=100,100,100,100 # 在图像img上绘制矩形，左上角坐标（x,y），矩形的宽和高w,h，红色外框（BGR），粗细为2 cv2.rectangle(img,(x,y,w,h),color=(0,0,255),thickness=2) # 在图像img上绘制圆形，圆心为坐标(x+int(w/2),y+int(h/2))，半径为50，蓝色外框（BGR），粗细为2 cv2.circle(img,center=(x+int(w/2),y+int(h/2)),radius=50,color=(255,0,0),thickness=2) #显示图像img cv2.imshow("img",img) while True: # 如果按下小写字母键"q",则结束循环，执行最候一句语句cv2.destroyAllWindows() if cv2.waitKey() == ord("q"): # 否则一直循环，即等待 break cv2.destroyAllWindows() # 释放内存

对应高中生来说，比较难理解的还是

while True: # 如果按下小写字母键"q",则结束循环，执行最候一句语句cv2.destroyAllWindows() if cv2.waitKey() == ord("q"): # 否则一直循环，即等待 break cv2.destroyAllWindows() # 释放内存

下面我用流程图来解释，需要对同学们理解有所帮助。在这里插入图片描述

05人脸检测

用opencv进行人脸检测，一般的过程如下：在这里插入图片描述其中“将图像转换为灰度图像”、“调用人脸模型”、“获取人脸ROI”、“根据ROI进行标记”、“输出标记后的图像”这些步骤写到了函数def face_detect_demo(img)中，参数img就是读入的图像文件。

具体的代码如下：

import cv2 #自定义函数，人脸检测，参数img def face_detect_demo(img): # 转换成灰度图像 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # 设置人脸分类器（即用opencv内置的人脸检测模型） face_detect=cv2.CascadeClassifier("./venv/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml") # 调用人脸检测函数（参数详解见最后），得到的人脸数据存放于faces中（faces是numpy.ndarray） faces=face_detect.detectMultiScale(gray,1.1,5,0,(20,20),(100,100)) # 在每一张人脸上画框 for x,y,w,h in faces: cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2) # 显示画框后的图像 cv2.imshow("result",img) img = cv2.imread("./images/DSC04753.jpg") face_detect_demo(img) # 调用自定义人脸检测函数，参数是读取的图像img while True: # 如果按下小写字母键"q",则结束循环，执行最候一句语句cv2.destroyAllWindows() if cv2.waitKey() == ord("q"): # 否则一直循环，即等待 break cv2.destroyAllWindows() # 释放内存

说明1：haarcascade_frontalface_default.xml是opencv中内置的人脸检测模型文件（即，opencv已经将人脸的特征交于计算机进行了学习，生成了一个通用性很强的人脸检测模型文件，无特殊要求的情况下可直接使用）。此文件一般位于cv2安装的目录下，大家可以自行寻找一下。

说明2：face_detect.detectMultiScale(gray,1.1,5,0,(20,20),(100,100))人脸检测函数参数说明。

detectMultiScale(image,scaleFactor,minNeighbors,flags,minSize,maxSize)

参数说明image用opencv读取的图片（必须为灰度图像）scaleFactor每一个图像尺度中的尺度参数，默认值为1.1minNeighbors构成检测目标（人脸）的相邻矩形的最小个数，默认值3个flags略，默认值取0，（一般用不到，有兴趣可以自行查阅相关资料）minSize最小人脸尺寸maxSize最大人脸尺寸

说明3：faces=face_detect.detectMultiScale(gray,1.1,5,0,(20,20),(100,100))返回图像中检测得到多人人脸信息，存于faces，其数据类型为numpy.ndarray（numpy中的多维数组）。

返回的多维数组faces中x，y，w，h为其中的四个一维数组（可能这样描述不准确），存储每张人脸的左上角坐标、宽度和高度，因此可以使用for语句+rectangle函数来画框标记，代码如下：

for x,y,w,h in faces: cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)

rectangle函数的参数比较简单，这里就不用详细的介绍了。

【本文地址】

人脸检测+识别

人脸检测+识别

今日新闻

推荐新闻