当前位置 主页 > 服务器问题 > Linux/apache问题 > 最大化 缩小

    Python下应用opencv 实现人脸检测功能

    栏目:Linux/apache问题 时间:2019-11-08 10:44

    使用OpenCV's Haar cascades作为人脸检测,因为他做好了库,我们只管使用。

    代码简单,除去注释,总共有效代码只有10多行。

    所谓库就是一个检测人脸的xml 文件,可以网上查找,下面是一个地址:

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

    如何构造这个库,学习完本文后可以参考:

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

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

    知道构造库,就可以检测各种你想要检测的东西了。

    人脸检测不是人脸识别,但是人脸识别的前提。

    运行效果如下:

    前提:

    这个原始代码来自 https://www.pyimagesearch.com/2016/11/21/raspbian-opencv-pre-configured-and-pre-installed/ 的一个教学讲稿。

    你需要下载haarcascade_frontalface_default.xml 以及准备你要检测的文件,我这里是family.jpg,放在python 文件detect_faces.py 所在目录(工作目录)的子目录images下。haarcascade_frontalface_default.xml是放在工作目录。

    如果加上摄像头连接程序,也可实时检测,另文介绍。

    代码1介绍

    导入库,并做命令行参数处理。你在命令行可以输入如下:

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

    我在程序中都有缺省参数处理,你如果集成测试或命令行不输参数的话,就要修改好你的缺省值。

    这样命令行就是python detect_faces.py ,同时也可以输入命令行输入参数。

    # USAGE 使用方法是:
    # python detect_faces.py --image images/family.jpg \
    # --detector haarcascade_frontalface_default.xml
    # import the necessary packages 输入包
    # import imutils 
    import argparse
    import cv2
    # construct the argument parser and parse the arguments //构造命令行参数分析
    # 为了集成测试,或者命令行输入的简单,这里都有缺省参数
    #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())
     导入图形文件,并灰度处理
    # load our image and convert it to grayscale 导入图形文件,并灰度化
    image = cv2.imread(args["image"])
    #image =imutils.resize(image,width=800)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    导入检测文件,检测图中人脸,显示检测到的人脸数
    # load the face detector and detect faces in the image
    # 导入脸部检测文件
    detector = cv2.CascadeClassifier(args["detector"])
    #检测图形中的脸部
    rects = detector.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=9,
     minSize=(40, 40), flags=cv2.CASCADE_SCALE_IMAGE)
    #显示检测到的人脸数目
    print("[INFO] detected {} faces".format(len(rects)))
     循环,绘图每个检测到的人脸框,并图形显示
    # load the face detector and detect faces in the image
    # 导入脸部检测
    detector = cv2.CascadeClassifier(args["detector"])
    #检测图形中的脸部
    rects = detector.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=9,
     minSize=(40, 40), flags=cv2.CASCADE_SCALE_IMAGE)
    #显示检测到的人脸数目
    print("[INFO] detected {} faces".format(len(rects)))
    
    下一篇:没有了