用OpenCV實現簡單的人臉識別，基于靜態圖像。

1、材料準備：找到OpenCV提供的人臉訓練模型文件。可以通過

https://github.com/opencv/opencv/tree/master/data/haarcascades

下載OpenCV源代碼文件，在其中opencv-master\data\haarcascades目錄下找到各種xml文件，全部復制出來，放在代碼同級目錄下新建的cascades文件夾中。如果是通過pip安裝的OpenCV，可以在python安裝路徑\Lib\site-packages\cv2\data下找到。

2、實現代碼：

from cv2 import cv2 #加載人臉訓練模型 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') face_cascade.load('C:/SOURCE/python/OpenCV/facedetect/cascades/haarcascade_frontalface_default.xml') #加載影像并轉為灰度圖 img = cv2.imread('C:/Users/admin/Desktop/test/face.png') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #進行人臉檢測 faces = face_cascade.detectMultiScale(gray,1.2,5) #顯示檢測結果，用綠色方框圍繞識別到的人臉 for (x,y,w,h) in faces:img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2) cv2.namedWindow('faces detected!') cv2.imshow('faces detected!',img) #保存結果圖像 cv2.imwrite('C:/Users/admin/Desktop/test/facesdetect.png',img) cv2.waitKey() cv2.destroyAllWindows()

3、測試

原圖：

運行結果：

4、分析。其中核心代碼 face_cascade.detectMultiScale(gray,1.2,1)，第一個參數為輸入圖像(灰度圖)；第二個參數為每次迭代的壓縮率，參數值要大于1.0，否則報錯，值越大，檢出人臉越少，可以根據實際檢測圖像進行調整；第三個參數為最小臨近值，取值大于等于0，即檢測到人臉后超過一定距離才會進行檢測。經過不同參數測試，圖像中人臉有部分始終無法檢測，也存在部分區域被錯誤識別為人臉，估計是受訓練模型的限制，如果用更多的人臉圖像進行訓練，結果精度應該會有所提高。

?

總結

以上是生活随笔為你收集整理的OpenCV实现简单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。