1、使用 OpenCV 人脸检测加载图像并检测人脸,在原始图像的人脸周围绘制矩形框。
#人脸检测 importcv2ascv defface_detect(): #处理图片灰度,减少通道的颜色 gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY) #加载特征数据 face_detector=cv.CascadeClassifier('D:/Python/opencv/sources/data /haarcascades/haarcascade_frontalface_default.xml') face=face_detector.detectMultiScale(gray) forx,y,w,hinface:#坐标及宽度高度 cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2) #图片、坐标、颜色、宽度 #显示 cv.imshow('result',img) #加载图片 img=cv.imread('lena.jpg') #人脸检测 face_detect() cv.waitKey(0) cv.destroyAllWindows()
2、当图片中人数较多时,需要指定参数进行识别。
限定识别范围参数:
scaleFactor(比例因子):图片缩放多少;
minNeighbors:至少检测多少次;
minSizemaxSize:目前检测区域的最小面积。
#将照片灰度 gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY) #加载特征数据 face_detector=cv.CascadeClassifier('D:/Python/opencv/sources/data/haarcascades /haarcascade_frontalface_default.xml')