【python】15行代码实现人脸检测(opencv)

在这里插入图片描述


1. 项目简介

利用opecvpython库及训练好的级联分类器实现人脸检测。

2. 项目地址

https://github.com/XavierJiezou/opecv-face-detect

3. 依赖模块

pip install opencv-python

4. 完整代码

import cv2

def face_detect(file_name, cascade_name):
    img = cv2.imread(file_name) # 读取图片
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图片灰度化
    img_gray = cv2.equalizeHist(img_gray) # 直方图均衡化
    face_cascade = cv2.CascadeClassifier(cascade_name) # 加载级联分类器
    faces = face_cascade.detectMultiScale(img) # 多尺度检测
    for (x, y, w, h) in faces: # 遍历所有检测到的人脸
        img = cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 255), 5) # 绘制矩形框
    cv2.imshow('Face detection', img) # 检测效果预览
    cv2.waitKey(0) # 保持窗口显示

if __name__ == "__main__":
    face_detect('test.jpg', 'haarcascade_frontalface_alt.xml')

5. 必要组件

opencv官方提供了8个已经训练好的人脸级联分类文件:

5.1. haar级联特征分类器(精度高)

5.2. lbp级联特征分类器(速度快)


frontalface对正脸检测效果好,profileface专门针对侧脸进行检测。一般来说,haar特征检测精度更高,而lbp特征检测用时更短。

6. 成果展示

6.1. 测试样例1

  • haar

在这里插入图片描述

  • lbp

在这里插入图片描述

6.2. 测试样例2

  • haar

在这里插入图片描述

  • lbp

在这里插入图片描述

6.3. 测试样例3

  • haar

在这里插入图片描述

  • lbp

在这里插入图片描述

7. 对比分析

从测试结果来看,haar级联特征的alt人脸检测的精度是最高的,其次就是alt2,但如果对精度要求不高,可以采用lbp级联特征检测,因为这个花费的时间很短。

8. 引用参考

https://docs.opencv.org/master/db/d28/tutorial_cascade_classifier.html
https://docs.opencv.org/master/d2/d99/tutorial_js_face_detection.html

9. 相关推荐

【python】15行代码实现猫脸检测(opencv)

【python】15行代码实现动漫人脸检测(opencv)

【python】30行代码实现视频中的动漫人脸检测(opencv)

posted @   XavierJ  阅读(749)  评论(0编辑  收藏  举报
编辑推荐:
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· 没有源码,如何修改代码逻辑?
· 一个奇形怪状的面试题:Bean中的CHM要不要加volatile?
· [.NET]调用本地 Deepseek 模型
· 一个费力不讨好的项目,让我损失了近一半的绩效!
阅读排行:
· PowerShell开发游戏 · 打蜜蜂
· 在鹅厂做java开发是什么体验
· 百万级群聊的设计实践
· WPF到Web的无缝过渡:英雄联盟客户端的OpenSilver迁移实战
· 永远不要相信用户的输入:从 SQL 注入攻防看输入验证的重要性
点击右上角即可分享
微信分享提示