【python】15行代码实现人脸检测(opencv)
文章目录
1. 项目简介
利用opecv的python库及训练好的级联分类器实现人脸检测。
2. 项目地址
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)
-
haarcascade_frontalface_default.xml
:点击下载 -
haarcascade_frontalface_alt.xml
:点击下载 -
haarcascade_frontalface_alt2.xml
:点击下载 -
haarcascade_frontalface_alt_tree.xml
:点击下载 -
haarcascade_profileface.xml
:点击下载
5.2. lbp级联特征分类器(速度快)
lbpcascade_frontalface.xml
:点击下载lbpcascade_frontalface_improved.xml
:点击下载lbpcascade_profileface.xml
:点击下载
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
- lbp
6.2. 测试样例2
- haar
- lbp
6.3. 测试样例3
- haar
- lbp
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
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 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!
· 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