使用OpenCV’s Haar cascades作為人臉檢測，因為他做好了庫，我們只管使用。

代碼簡單，除去注釋，總共有效代碼只有10多行。

所謂庫就是一個檢測人臉的xml 文件，可以網上查找，下面是一個地址：

https://github.com/opencv/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml

如何構造這個庫，學習完本文后可以參考我的另篇博文：目標檢測的模型haartraining培訓

知道構造庫，就可以檢測各種你想要檢測的東西了。

人臉檢測不是人臉識別，但是人臉識別的前提。

運行效果如下：

前提：

這個原始代碼來自?https://www.pyimagesearch.com/2016/11/21/raspbian-opencv-pre-configured-and-pre-installed/?的一個教學講稿。

你需要下載haarcascade_frontalface_default.xml 以及準備你要檢測的文件，我這里是family.jpg，放在python 文件detect_faces.py 所在目錄（工作目錄）的子目錄images下。haarcascade_frontalface_default.xml是放在工作目錄。

如果加上攝像頭連接程序，也可實時檢測，另文介紹。

代碼1介紹

導入庫，并做命令行參數處理。你在命令行可以輸入如下：

python detect_faces.py? --image image/family.jpg? ?--detector?haarcascade_frontalface_default.xml

我在程序中都有缺省參數處理，你如果集成測試或命令行不輸參數的話，就要修改好你的缺省值。

這樣命令行就是python detect_faces.py ，同時也可以輸入命令行輸入參數。

# USAGE 使用方法是： # python detect_faces.py --image images/family.jpg \ # --detector haarcascade_frontalface_default.xml# import the necessary packages 輸入包 # import imutils import argparse import cv2# construct the argument parser and parse the arguments //構造命令行參數分析 # 為了集成測試，或者命令行輸入的簡單，這里都有缺省參數 #image 是 images/family.jpg #detector 是 haarcascade_frontalface_default.xml ap = argparse.ArgumentParser() ap.add_argument("-i", "--image", default='images/family.jpg',help="path to the input image") ap.add_argument("-d", "--detector", default='haarcascade_frontalface_default.xml',help="path to Haar cacscade face detector") args = vars(ap.parse_args())

?導入圖形文件，并灰度處理

# load our image and convert it to grayscale 導入圖形文件，并灰度化 image = cv2.imread(args["image"]) #image =imutils.resize(image,width=800) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

導入檢測文件，檢測圖中人臉，顯示檢測到的人臉數

# load the face detector and detect faces in the image # 導入臉部檢測文件 detector = cv2.CascadeClassifier(args["detector"]) #檢測圖形中的臉部 rects = detector.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=9,minSize=(40, 40), flags=cv2.CASCADE_SCALE_IMAGE) #顯示檢測到的人臉數目 print("[INFO] detected {} faces".format(len(rects)))

?循環，繪圖每個檢測到的人臉框，并圖形顯示

# load the face detector and detect faces in the image # 導入臉部檢測 detector = cv2.CascadeClassifier(args["detector"]) #檢測圖形中的臉部 rects = detector.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=9,minSize=(40, 40), flags=cv2.CASCADE_SCALE_IMAGE) #顯示檢測到的人臉數目 print("[INFO] detected {} faces".format(len(rects)))

最后串接所有代碼如下：

# USAGE 使用方法是： # python detect_faces.py --image images/family.jpg \ # --detector haarcascade_frontalface_default.xml# import the necessary packages 輸入包 # import imutils 如果需要成比例縮放圖形才需要，這里不需要 import argparse import cv2# construct the argument parser and parse the arguments //構造命令行參數分析 # 為了集成測試，或者命令行輸入的簡單，這里都有缺省參數 #image 是 images/family.jpg #detector 是 haarcascade_frontalface_default.xml ap = argparse.ArgumentParser() ap.add_argument("-i", "--image", default='images/family.jpg',help="path to the input image") ap.add_argument("-d", "--detector", default='haarcascade_frontalface_default.xml',help="path to Haar cacscade face detector") args = vars(ap.parse_args())# load our image and convert it to grayscale 導入圖形文件，并灰度化 image = cv2.imread(args["image"]) #image =imutils.resize(image,width=800) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# load the face detector and detect faces in the image # 導入臉部檢測文件 detector = cv2.CascadeClassifier(args["detector"]) #檢測圖形中的臉部 rects = detector.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=9,minSize=(40, 40), flags=cv2.CASCADE_SCALE_IMAGE) #顯示檢測到的人臉數目 print("[INFO] detected {} faces".format(len(rects)))# loop over the bounding boxes and draw a rectangle around each face # 循環rects,繪圖每個檢測到的人臉框 for (x, y, w, h) in rects:cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)# show the detected faces cv2.imshow("Faces", image) cv2.waitKey(0)

?

總結

以上是生活随笔為你收集整理的Python下应用opencv 人脸检测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。