建筑兔零基础自学python记录16|实战人脸识别项目——人脸检测05

原创已于 2025-02-12 20:03:00 修改 · 1.1k 阅读

11 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

python 兔兔学习

python 项目实战

于 2025-02-10 11:15:03 首次发布

本次我们要下图中的实现人脸检测~

惯例来看一下源代码：

import cv2 as cv


def face_detect_demo():
    gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    face_detect = cv.CascadeClassifier('M:/python/pythoninstall/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml')
    face = face_detect.detectMultiScale(gray)
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)

img = cv.imread('photo1.jpg')

face_detect_demo()

while True:
    if ord('q') == cv.waitKey(0):
        break

cv.destroyAllWindows()

（1）调用任务器路径

在我们解读代码之前，本次需要先加载一个opencv里的分类器。我的是直接已经预装了搜名字找到的。分类器搜“haarcascade_frontalface_alt2.xml”

具体的路径如图：

1.复制出来如下：M:\python\pythoninstall\Lib\site-packages\cv2\data

2.在此路径基础上，我们把文件名复制到路径后面。即：

M:\python\pythoninstall\Lib\site-packages\cv2\data\haarcascade_frontalface_alt2.xml

3.还要进一步操作把文件名中所有“\”改为“/”，改后为：

M:/python/pythoninstall/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml

这里文件路径一定要对，如果报错了。先来检查路径名！！！

然后就可以开始本次的学习了~本次主要学习的有：

（2）定义和调用函数

#定义了一个名为 face_detect_demo （人脸检测）的函数
def face_detect_demo():

#调用之前定义的函数
face_detect_demo()

第一段代码：def 是 Python 里用于定义函数的关键字。face_detect_demo 是函数的名称，可以自定义。

第二段代码：调用之前定义的 face_detect_demo 函数，开始执行人脸检测操作。

（3）灰显图片

 gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

这个代码之前我们学过：建筑兔零基础自学python记录13|实战人脸识别项目——灰度转换02-CSDN博客

灰度图像在人脸检测中更常用，因为 Haar 级联分类器通常在灰度图像上进行操作，这样可以减少计算量。

（4）cv.CascadeClassifier()人脸识别分类器

face_detect = cv.CascadeClassifier('M:/python/pythoninstall/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml')

cv.CascadeClassifier 是 OpenCV 库中的一个类，专门用于处理基于 Haar 级联分类器或 LBP级联分类器的对象检测任务。Haar 级联分类器是一种基于机器学习的目标检测方法，通过训练大量的正负样本，学习到目标对象（如人脸）的特征，从而实现对目标对象的检测。

（5）`detectMultiScale`()图像中检测对象

#输入的灰度图像中检测人脸
face = face_detect.detectMultiScale(gray)

detectMultiScale（）主要用于在图像中检测对象（如人脸、眼睛等）。在输入图像中检测多个不同大小的对象，返回一个包含检测到的对象的矩形框信息的列表。每个矩形框由左上角坐标 (x, y) 以及宽度 w 和高度 h 表示，通常用于人脸、眼睛等物体的检测。

我们可以鼠标悬停相关命令，会展开命令中相关参数提示~

detectMultiScale（）的参数主要包括：

detectMultiScale(image, scaleFactor=1.1, minNeighbors=3, flags=0, minSize=(0, 0), maxSize=(0, 0))

image：
- 必需参数，输入的待检测图像，通常是灰度图像。
scaleFactor：
- 可选参数，默认值为 1.1。该参数表示在每个图像尺度上图像缩小的比例。例如，scaleFactor = 1.1 表示每次将图像缩小 10% 进行检测。较大的值会加快检测速度，但可能会遗漏一些对象；较小的值会增加检测时间，但可能会提高检测的准确性。
minNeighbors：
- 可选参数，默认值为 3。该参数表示每个候选矩形框应该保留的最小邻居数。这个参数用于控制误检测的情况，值越大，检测到的对象越可能是真实的对象，但可能会遗漏一些真实的对象；值越小，可能会检测到更多的对象，但误检测的可能性也会增加。
flags：可选参数，在较新的 OpenCV 版本中，这个参数的作用不大，通常保持默认值 0 即可。
minSize：
- 可选参数，默认值为 (0, 0)。该参数指定检测对象的最小尺寸，如果检测到的对象小于这个尺寸，则会被忽略。
maxSize：
- 可选参数，默认值为 (0, 0)。该参数指定检测对象的最大尺寸，如果检测到的对象大于这个尺寸，则会被忽略。

让我们尝试运用解读一下：

face = face_detect.detectMultiScale(gray,1.01, 5, 0, (100, 100), (300, 300))

检测gray这个图，scaleFactor图像缩小比例=1.01，minNeighbors误检测值=5，flags=0，检测对象的最小尺寸（100,100），检测对象的最大尺寸（300,300）

（6）循环检测

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

使用 for 循环遍历检测到的所有人脸矩形框。
cv.rectangle ()是之前学过的建筑兔零基础自学python记录15|实战人脸识别项目——绘制矩形04（附：常见BGR值列表）-CSDN博客我们来解读一下：操作对象img,绘制矩形左上角（x,y）右下角（x+w,y+h)，红色，边框线宽2

综上我们对整个代码进行解读：

import cv2 as cv

#定义人脸识别函数
def face_detect_demo():
    #变为灰色图
    gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    #调用人脸识别分类器
    face_detect = cv.CascadeClassifier('M:/python/pythoninstall/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml')
    #输入的灰度图像中检测人脸
    face = face_detect.detectMultiScale(gray)
    #用左上角（x,y）右下角（x+w,y+h)的红色矩形框（线宽2）在图片中寻找人脸
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)

img = cv.imread('photo1.jpg')

#调用人脸识别函数
face_detect_demo()

while True:
    if ord('q') == cv.waitKey(0):
        break

cv.destroyAllWindows()

大家一起来尝试一下吧~