使用 OpenCV 进行人脸检测

使用 OpenCV 和 Python 检测人脸的一种非常流行且简单的方法

步骤 01

我为此使用 Google Colab，首先，请确保你已安装 OpenCV。你可以使用 pip 安装它：

pip install opencv－python

步骤 02

请确保这些库已经安装。

import cv2

pip install numpy

pip install matplotlib

步骤 03

在检测人脸之前，我们必须使用 Google Colab 打开网络摄像头。

from google．colab．patches import cv2＿imshow

步骤 04

运行这两个代码后，网络摄像头打开，你可以拍张照片。

from IPython．display import display， Javascript

from google．colab．output import eval＿js

from base64 import b64decode

def take＿photo（filename＝＇photo．jpg＇， quality＝0．8）：

js ＝ Javascript（＇＇＇

async function takePhoto（quality） ｛

const div ＝ document．createElement（＇div＇）；

const capture ＝ document．createElement（＇button＇）；

capture．textContent ＝ ＇Capture＇；

div．appendChild（capture）；

const video ＝ document．createElement（＇video＇）；

video．style．display ＝ ＇block＇；

const stream ＝ await navigator．mediaDevices．getUserMedia（｛video： true｝）；

document．body．appendChild（div）；

div．appendChild（video）；

video．srcObject ＝ stream；

await video．play（）；

／／ Resize the output to fit the video element．

google．colab．output．setIframeHeight（document．documentElement．scrollHeight， true）；

／／ Wait for Capture to be clicked．

await new Promise（（resolve） ＝＞ capture．onclick ＝ resolve）；

const canvas ＝ document．createElement（＇canvas＇）；

canvas．width ＝ video．videoWidth；

canvas．height ＝ video．videoHeight；

canvas．getContext（＇2d＇）．drawImage（video， 0， 0）；

stream．getVideoTracks（）［0］．stop（）；

div．remove（）；

return canvas．toDataURL（＇image／jpeg＇， quality）；

｝

＇＇＇）

   display（js）

   data ＝ eval＿js（＇takePhoto（｛｝）＇．format（quality））

   binary ＝ b64decode（data．split（＇，＇）［1］）

   with open（filename， ＇wb＇） as f：

   f．write（binary）

   return filename

from IPython．display import Image

try：

filename ＝ take＿photo（）

print（＇Saved to ｛｝＇．format（filename））

＃ Show the image which was just taken．

display（Image（filename））

except Exception as err：

＃ Errors will be thrown if the user does not have a webcam or if they do not

＃ grant the page permission to access it．

print（str（err））

照片保存为 photo．jpg。

photo．jpg

使用 Haar 级联的人脸检测是一种基于机器学习的方法，其中使用一组输入数据训练级联函数。OpenCV 已经包含许多针对面部、眼睛、微笑等的预训练分类器。今天我们将使用面部分类器。你也可以尝试使用其他分类器。

要检测图像中的人脸：

步骤 05

import cv2

img ＝ cv2．imread（＇photo．jpg＇）

gray＿img＝cv2．cvtColor（img，cv2．COLOR＿BGR2GRAY）

face＿cascade ＝ cv2．CascadeClassifier（cv2．data．haarcascades ＋ ＇haarcascade＿frontalface＿default．xml＇）

eye＿cascade ＝ cv2．CascadeClassifier（cv2．data．haarcascades ＋ ＇haarcascade＿eye．xml＇）

nose＿cascade ＝ cv2．CascadeClassifier（cv2．data．haarcascades ＋ ＇haarcascade＿nose．xml＇）

＃ detect all the faces in the image

faces ＝ face＿cascade．detectMultiScale（gray＿img，1．1，4）

＃ print the number of faces detected

print（f＂｛len（faces）｝ faces detected in the image．＂）

对于每个人脸，绘制一个绿色矩形：

步骤 06

for x， y， width， height in faces：

cv2．rectangle（img， （x， y）， （x ＋ width， y ＋ height）， color＝（0， 255， 0）， thickness＝2）

用矩形保存图像：

步骤 07

＃ save the image with rectangles

cv2．imwrite（＂photo＿detected．jpg＂， img）

转到文件 photo＿detected．jpg 并打开 。

结果：

photo＿detected．jpg

       原文标题 : 使用 OpenCV 进行人脸检测