OpenCV中自带已训练好的检测器,包括面部,眼睛,猫脸等,都保存在XML文件中,我们可以通过以下程序找到他们:

 import cv2 as cv
print(cv.__file__)

找到的文件如下所示:
OpenCV 简单的人脸识别_opencv

opencv中人脸识别的流程是:

  1. 读取图片,并转换成灰度图
  2. 实例化人脸和眼睛检测的分类器对象
# 实例化级联分类器
classifier =cv.CascadeClassifier( "haarcascade_frontalface_default.xml" )
# 加载分类器
classifier.load('haarcascade_frontalface_default.xml')
  1. 进行人脸和眼睛的检测
rect = classifier.detectMultiScale(gray, scaleFactor, minNeighbors, minSize,maxsize)

参数:

  • Gray: 要进行检测的人脸图像
  • scaleFactor: 前后两次扫描中,搜索窗口的比例系数
  • minneighbors:目标至少被检测到minNeighbors次才会被认为是目标
  • minsize和maxsize: 目标的最小尺寸和最大尺寸
  1. 将检测结果绘制出来。

在图片中对人脸进行检测:

import cv2 as cv
import matplotlib.pyplot as plt

# 1.以灰度图的形式读取图片
img = cv.imread("img.png")
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

# 2.实例化OpenCV人脸和眼睛识别的分类器
face_cas = cv.CascadeClassifier("haarcascade_frontalface_default.xml")
face_cas.load('haarcascade_frontalface_default.xml')

eyes_cas = cv.CascadeClassifier("haarcascade_eye.xml")
eyes_cas.load("haarcascade_eye.xml")

# 3.调用识别人脸
faceRects = face_cas.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
for faceRect in faceRects:
x, y, w, h = faceRect

# 框出人脸
cv.rectangle(img, (x, y), (x + h, y + w), (0, 255, 0), 3)

# 4.在识别出的人脸中进行眼睛的检测
roi_color = img[y:y+h, x:x+w]
roi_gray = gray[y:y+h, x:x+w]
eyes = eyes_cas.detectMultiScale(roi_gray)
for (ex, ey, ew, eh) in eyes:
cv.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)

# 5. 检测结果的绘制
plt.figure(figsize=(8, 6), dpi=100)
plt.imshow(img[:, :, ::-1]),
plt.title('检测结果')
plt.xticks([]),
plt.yticks([])
plt.show()

在摄像头中对人脸进行检测:

import cv2 as cv

# 1.读取摄像头
cap = cv.VideoCapture(0)

# 2.在每一帧数据中进行人脸识别
while(cap.isOpened()):
ret, frame = cap.read()
if ret==True:
gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)

# 3.实例化OpenCV人脸识别的分类器
face_cas = cv.CascadeClassifier("haarcascade_frontalface_default.xml")
face_cas.load('haarcascade_frontalface_default.xml')

# 4.调用识别人脸
faceRects = face_cas.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
for faceRect in faceRects:
x, y, w, h = faceRect

# 框出人脸
cv.rectangle(frame, (x, y), (x + h, y + w), (0, 255, 0), 3)

cv.imshow("frame", frame)
if cv.waitKey(1) & 0xFF == ord('q'):
break

# 5. 释放资源
cap.release()
cv.destroyAllWindows()

文件名

功能

haarcascade_lefteye_2splits.xml

可用来检测睁开或闭着的眼睛

haarcascade_eye.xml

可用来检测睁开或闭着的眼睛

haarcascade_eye_tree_eyeglasses.xml

仅在带被检测者戴眼镜时方可检测

haarcascade_frontalcatface

猫脸检测

haarcascade_frontalcatface_extended

猫脸检测

haarcascade_smile

微笑检测

haarcascade_upperbody

人体上半部分检测

haarcascade_russian_plate_number.xml

俄罗斯车牌识别

haarcascade_righteye_2splits

用于进行人脸和人眼检测

haarcascade_profileface

侧脸检测

haarcascade_lowerbody

身体下半部分检测

licence_plate_rus_16stages

俄罗斯汽车牌照检测

haarcascade_fullbody

人体全身检测

haarcascade_frontalface_default

人脸识别

haarcascade_frontalface_alt2

人脸识别

haarcascade_frontalface_alt_tree

人脸识别

haarcascade_frontalface_alt.xml

人脸识别

haarcascade_frontalface_default.xml下载:
​​​https://github.com/opencv/opencv/tree/master/data/haarcascades​

# -*- coding: utf-8 -*-
import cv2
import time

cap = cv2.VideoCapture(0)
ret = cap.set(3, 640) # 设置帧宽
ret = cap.set(4, 480) # 设置帧高
font = cv2.FONT_HERSHEY_SIMPLEX # 设置字体样式
face_cascade = cv2.CascadeClassifier('/home/pi/Desktop/haarcascade_frontalface_default.xml')

class FaceDetector():
def __init__(self):
self.start_video()

def api_init(self):
print("process start")

def start_video(self):
while cap.isOpened():
ret, frame = cap.read()
src = frame.copy()
result = frame.copy()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)

for (x, y, w, h) in faces:
result = cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)

if faces is not None:
if len(faces) == 1:
(fx, fy, fw, fh) = faces[0]
target_face_x = fx + fw / 2
offset_x = target_face_x - 640 / 2
offset_x = -offset_x

cv2.imshow("result", result)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()


if __name__ == '__main__':
face_detector = FaceDetector()