python实现人脸检测的简单实例

更新时间：2022年02月22日 16:15:45 作者：wh来啦

这篇文章主要给大家介绍了关于python实现人脸检测的相关资料,OpenCV 可以使用机器学习算法搜索图像中的人脸,文中通过实例代码介绍的非常详细,需要的朋友可以参考下

OpenCV

OpenCV 是计算机视觉领域最受欢迎的开源库，起初它由 C/C ++ 编写，现在用 Python 也能使用。

OpenCV 可以使用机器学习算法搜索图像中的人脸。由于人脸比较复杂，所以并没有一种简单的测试可以告诉我们它是否发现了人脸。但是，算法能够匹配到数千个很小的模式和特征。算法会将识别人脸的任务分解为几千个非常非常小的任务，像这种很小的任务，解决起来就比较容易了。这样的微小任务就被称为分类器。

代码结果：

方法如下：

寻找导入的xml文件

import cv2 
print(cv2.__file__)

找到cv2安装的路径，在该路径下找到/data文件。

里面默认下载了一部分xml文件，不是全部的xml文件。如果需要的xml文件不在里面，需要自行在网上下载，然后放到该目录下，以备调用。比如自行安装（'haarcascade_mcs_nose.xml'，'haarcascade_mcs_mouth.xml'）

导入包：

import cv2

导入xml文件，可以根据任务需要，自行选择需要导入的xml文件

#人脸检测器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
#眼睛检测器
eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml')
#嘴巴检测器
mouth_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_mcs_mouth.xml')
#鼻子检测器
nose_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_mcs_nose.xml')

设置窗口：

cv2.namedWindow('mytest', 0);
cv2.resizeWindow('mytest', 1500, 1000)

打开摄像头，人脸识别：

#获取摄像头
cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)
#打开摄像头
cap.open(0)
while cap.isOpened():
    #获取画面
    flag, frame = cap.read()
 
    #人脸检测
    faces = face_cascade.detectMultiScale(frame, 1.3, 2)
    img = frame
    for (x, y, w, h) in faces:
        #根据人脸坐标和长度，宽度画出矩形
        img = cv2.rectangle(img, (x, y), (x+w, y+h),(255, 0 ,0), 2)
        
        #确定人脸范围，在人脸上搜索其他特征
        face_area = img[y:y+h, x:x+w]
        
        #人眼检测
        eyes = eye_cascade.detectMultiScale(face_area, 1.3, 2)
        for (ex, ey, ew, eh) in eyes:
             cv2.rectangle(face_area, (ex, ey), (ex + ew, ey + eh), (255, 0 ,0), 1)
 
        #嘴巴检测
        mouth = mouth_cascade.detectMultiScale(face_area, 1.5, 2)
        for (mx, my, mw, mh) in mouth:
            cv2.rectangle(face_area, (mx, my), (mx + mw, my + mh), (0, 0, 255), 2)
 
        # 鼻子检测
        nose = nose_cascade.detectMultiScale(face_area, 1.2, 5)
        for (nx, ny, nw, nh) in nose:
            cv2.rectangle(face_area, (nx, ny), (nx + nw, ny + nh), (255, 0, 255), 2)
 
    #画面显示
    cv2.imshow('mytest', img)
    #设置退出按钮
    key_pressed = cv2.waitKey(100)
    print('单机窗口，输入按键，电脑按键为',key_pressed,'按esc键结束')
    if key_pressed == 27:
        break
 
#关闭摄像头
cap.release()
#关闭图像窗口
cv2.destroyAllWindows()

完整代码：

import cv2
#人脸检测器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
#眼睛检测器
eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml')
#嘴巴检测器
mouth_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_mcs_mouth.xml')
#鼻子检测器
nose_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_mcs_nose.xml')
 
#获取摄像头
cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)
#打开摄像头
cap.open(0)
cv2.namedWindow('mytest', 0);
cv2.resizeWindow('mytest', 1500, 1000)
while cap.isOpened():
    #获取画面
    flag, frame = cap.read()
 
    #人脸检测
    faces = face_cascade.detectMultiScale(frame, 1.3, 2)
    img = frame
    for (x, y, w, h) in faces:
        #根据人脸坐标和长度，宽度画出矩形
        img = cv2.rectangle(img, (x, y), (x+w, y+h),(255, 0 ,0), 2)
 
        #确定人脸范围，在人脸上搜索其他特征
        face_area = img[y:y+h, x:x+w]
 
        #人眼检测
        eyes = eye_cascade.detectMultiScale(face_area, 1.3, 2)
        for (ex, ey, ew, eh) in eyes:
             cv2.rectangle(face_area, (ex, ey), (ex + ew, ey + eh), (255, 0 ,0), 1)
 
        #嘴巴检测
        mouth = mouth_cascade.detectMultiScale(face_area, 1.5, 2)
        for (mx, my, mw, mh) in mouth:
            cv2.rectangle(face_area, (mx, my), (mx + mw, my + mh), (0, 0, 255), 2)
 
        # 鼻子检测
        nose = nose_cascade.detectMultiScale(face_area, 1.2, 5)
        for (nx, ny, nw, nh) in nose:
            cv2.rectangle(face_area, (nx, ny), (nx + nw, ny + nh), (255, 0, 255), 2)
  
    #画面显示
    cv2.imshow('mytest', img)
    #设置退出按钮
    key_pressed = cv2.waitKey(100)
    print('单机窗口，输入按键，电脑按键为',key_pressed,'按esc键结束')
    if key_pressed == 27:
        break
 
#关闭摄像头
cap.release()
#关闭图像窗口
cv2.destroyAllWindows()

总结

到此这篇关于python实现人脸检测的文章就介绍到这了,更多相关python人脸检测内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

PyQt5 QListView 高亮显示某一条目的案例
这篇文章主要介绍了PyQt5 QListView 高亮显示某一条目的案例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-03-03
Django 聚合查询及使用步骤
本文详细介绍了Django中聚合查询的使用方法和步骤,包括aggregate()和annotate()两种聚合查询方式,以及F()和Q()查询的使用场景,文中通过具体代码示例解释了如何在Django项目中实现数据聚合,感兴趣的朋友跟随小编一起看看吧
2024-09-09
pandas-resample按时间聚合实例
今天小编就为大家分享一篇pandas-resample按时间聚合实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-12-12
基于Python爬取51cto博客页面信息过程解析
这篇文章主要介绍了基于Python爬取51cto博客页面信息过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-08-08
web.py中调用文件夹内模板的方法
这篇文章主要介绍了web.py中调用文件夹内模板的方法,竟然如此的简单,而且好用,需要的朋友可以参考下
2014-08-08
pyinstaller使用大全
这篇文章主要介绍了pyinstaller使用大全,pyinstaller可以方便地将脚本编译成exe，本文结合实例代码给大家详细讲解，需要的朋友可以参考下
2023-02-02
python3通过qq邮箱发送邮件以及附件
这篇文章主要为大家详细介绍了python3通过qq邮箱发送邮件以及附件，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2020-05-05
Python Matplotlib绘制箱线图boxplot()函数详解
箱线图一般用来展现数据的分布(如上下四分位值、中位数等),同时也可以用箱线图来反映数据的异常情况,下面这篇文章主要给大家介绍了关于Python Matplotlib绘制箱线图boxplot()函数的相关资料,需要的朋友可以参考下
2022-07-07
Python实现仿真双径效应的方法
双径模型是一种很好的近似，能够准确地反映信号的传播特性。这篇文章主要介绍了Python实现仿真双径效应的方法，感兴趣的小伙伴们可以参考一下
2021-05-05
python异常处理try except过程解析
这篇文章主要介绍了python异常处理try except过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-02-02

python实现人脸检测的简单实例

目录

OpenCV

代码结果：

方法如下：

完整代码：

总结

相关文章

最新评论

大家感兴趣的内容

最近更新的内容

常用在线小工具