python|python-OpenCV-人脸、眼睛，微笑检测人脸识别|opencv

文章目录

前言
一、人脸检测是什么？
二、案例：
总结

前言随着人工智能的不断发展，OpenCV这门技术也越来越重要，很多人都开启了学习OpenCV，本文就介绍了OpenCV的基础内容。
提示：以下是本篇文章正文内容，下面案例可供参考。案例:Fu Xianjun. All Rights Reserved.
一、人脸检测是什么？ “人脸检测（Face Detection）”是检测出图像中人脸所在位置的一项技术。
人脸检测算法的输入是一张图片，输出是人脸框坐标序列（0个人脸框或1个人脸框或多个人脸框）。一般情况下，输出的人脸坐标框为一个正朝上的正方形，但也有一些人脸检测技术输出的是正朝上的矩形，或者是带旋转方向的矩形。
常见的人脸检测算法基本是一个“扫描”加“判别”的过程，即算法在图像范围内扫描，再逐个判定候选区域是否是人脸的过程。因此人脸检测算法的计算速度会跟图像尺寸、图像内容相关。开发过程中，我们可以通过设置“输入图像尺寸”、或“最小脸尺寸限制”、或“人脸数量上限”的方式来加速算法。
二、案例：

def camera(self):# 人脸检测 # 加载haar分类器 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml') smile_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_smile.xml')cap = cv2.VideoCapture(0) width = 1280 height = 960 cap.set(cv2.CAP_PROP_FRAME_WIDTH, width)# 设置图像宽度 cap.set(cv2.CAP_PROP_FRAME_HEIGHT, height)# 设置图像高度 fgbg = cv2.createBackgroundSubtractorMOG2( history=500, varThreshold=100, detectShadows=False)# 基于自适应混合高斯背景建模的背景减除法，去除干扰cnt = 1 while (1): # get a frame ret, frame = cap.read() # show a frame gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, 1.3, 5, 0)# 把灰度图片传给haar进行灰度处理，返回值是人脸左上角坐标，宽度和高度 # 1.3为缩放比例，默认为1.1即每次搜索窗口依次扩大10% # 5为构成检测目标的相邻矩形的最小个数 # 0为flag，表示使用表认知，会使用Canny边缘检测来排除边缘过多或过少的区域 for (x, y, w, h) in faces:img = cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)roi_gray = gray[y:y + h, x:x + w]eyes = eye_cascade.detectMultiScale(roi_gray, 1.8, 5, 0)roi_color = img[y:y + h, x:x + w]for (ex, ey, ew, eh) in eyes: cv2.rectangle(roi_color, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2) smiles = smile_cascade.detectMultiScale(roi_gray, scaleFactor=1.16, \ minNeighbors=65, minSize=(25, 25), \ flags=cv2.CASCADE_SCALE_IMAGE)for (ex, ey, ew, eh) in smiles: # 画出微笑框，红色（BGR色彩体系），画笔宽度为1 cv2.rectangle(roi_gray, (ex, ey), (ex + ew, ey + eh), (0, 0, 255), 1) cv2.putText(img, "smile", (x, y - 7), 3, 1.2, (0, 0, 225), 2, cv2.LINE_AA) # cv2.LINE_AA 为抗锯齿，这样看起来会非常平滑 # cv2.imwrite(f"img{cnt}.png",img) cnt += 1 cv2.imshow("camera", frame) if cv2.waitKey(5) == 27:# ord('q'): break cap.release() cv2.destroyAllWindows()