OpenCV 中如何进行人脸检测？-JavaScript中文网-JavaScript教程资源分享门户

OpenCV 中如何进行人脸检测？

推荐答案

在 OpenCV 中进行人脸检测通常使用 Haar 级联分类器。以下是使用 OpenCV 进行人脸检测的示例代码：

-- -------------------- ---- -------
------ ---

- ------ ---- -----
------------ - ------------------------------------------- - --------------------------------------

- ----
----- - -----------------------

- ---------
---- - ------------------- -------------------

- ----
----- - ----------------------------------- ---------------- --------------- ------------ ----

- ---------------
--- --- -- -- -- -- ------
    -------------------- --- --- ----- ----- ----- -- --- --

- ----
-------------------- ------- ------
--------------
-----------------------

本题详细解读

Haar 级联分类器

Haar 级联分类器是一种基于 Haar 特征的机器学习方法，用于目标检测。OpenCV 提供了多种预训练的 Haar 级联分类器，包括用于人脸检测的分类器。这些分类器通过训练大量正样本（包含目标的图像）和负样本（不包含目标的图像）来识别目标。

代码解析

加载 Haar 级联分类器：
```
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
```
这行代码加载了 OpenCV 自带的 Haar 级联分类器文件 haarcascade_frontalface_default.xml，该文件用于检测正面人脸。
读取图像：
```
image = cv2.imread('image.jpg')
```
使用 cv2.imread() 函数读取图像文件。
转换为灰度图：
```
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
```
由于 Haar 级联分类器在灰度图像上工作得更好，因此将彩色图像转换为灰度图像。
检测人脸：
```
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
```
detectMultiScale() 函数用于检测图像中的人脸。参数说明：
- scaleFactor：图像缩放比例，用于检测不同大小的人脸。
- minNeighbors：每个候选矩形应该保留的邻居数量，用于减少误检。
- minSize：人脸的最小尺寸。
绘制矩形框：
```
for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)
```
使用 cv2.rectangle() 函数在检测到的人脸周围绘制矩形框。
显示结果：
```
cv2.imshow('Detected Faces', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
使用 cv2.imshow() 显示检测结果，cv2.waitKey(0) 等待用户按键，cv2.destroyAllWindows() 关闭所有窗口。

注意事项

Haar 级联分类器对光照、姿态和遮挡等因素较为敏感，因此在复杂场景下可能需要调整参数或使用更高级的检测方法。
OpenCV 还提供了其他预训练的级联分类器，如眼睛、微笑等检测器，可以根据需要加载和使用。

纠错
反馈