使用 Python 和 OpenCV 实现实时人脸识别

概述

人脸识别是一项重要的计算机视觉任务，广泛应用于安全监控、身份验证等领域。本文将详细介绍如何使用 Python 和 OpenCV 库实现实时人脸识别，并通过具体的代码示例来展示整个过程。

环境准备

在开始编写代码之前，确保已经安装了 OpenCV 库。可以使用以下命令安装：

pip install opencv-python

代码详解

1. 导入必要的模块

import cv2

2. 定义主函数

def main():
    # 加载Haar级联分类器
    face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
    '''
    加载 Haar 级联分类器：
    face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
    cv2.CascadeClassifier()：这是 OpenCV 中的一个类，用于加载预先训练好的 Haar 级联分类器。
    cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'：这是 OpenCV 自带的预训练 Haar 级联分类器文件路径，用于检测正面人脸。
    '''
    
    # 打开默认摄像头
    cap = cv2.VideoCapture(0)
    '''
    打开默认摄像头：
    cap = cv2.VideoCapture(0)
    cv2.VideoCapture()：这是 OpenCV 中的一个类，用于捕获视频。参数 0 表示打开默认摄像头。
    '''
    
    while True:
        # 读取视频流中的一帧
        ret, frame = cap.read()
        '''
        读取视频流中的一帧：
        ret, frame = cap.read()
        cap.read()：从摄像头读取一帧图像。返回两个值：
        ret：布尔值，表示读取是否成功。如果读取成功，ret 为 True；否则为 False。
        frame：读取到的图像帧。
        '''
        
        if not ret:
            break
        '''
        检查读取是否成功：
        if not ret:
            break
        如果读取失败（例如摄像头断开连接），则退出循环。
        '''
        
        # 将帧转换为灰度，因为 Haar 级联分类器需要灰度图像
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        '''
        将帧转换为灰度：
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        cv2.cvtColor()：这是 OpenCV 中的一个函数，用于颜色空间转换。
        frame：输入图像。
        cv2.COLOR_BGR2GRAY：将 BGR 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),
                                             flags=cv2.CASCADE_SCALE_IMAGE)
        '''
        检测人脸：
        faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30),
                                             flags=cv2.CASCADE_SCALE_IMAGE)
        face_cascade.detectMultiScale()：这是 Haar 级联分类器的一个方法，用于检测图像中的人脸。
        gray：输入的灰度图像。
        scaleFactor=1.1：每次图像尺寸减小的比例。
        minNeighbors=5：每个候选矩形应保留的邻居数阈值。
        minSize=(30, 30)：最小检测人脸的尺寸。
        flags=cv2.CASCADE_SCALE_IMAGE：用于优化检测过程的标志。
        '''
        
        # 在检测到的人脸周围绘制矩形
        for (x, y, w, h) in faces:
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
            '''
            在检测到的人脸周围绘制矩形：
            for (x, y, w, h) in faces:
                cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
            for (x, y, w, h) in faces：遍历检测到的每个人脸。
            cv2.rectangle()：这是 OpenCV 中的一个函数，用于在图像上绘制矩形。
            frame：输入图像。
            (x, y)：矩形左上角的坐标。
            (x + w, y + h)：矩形右下角的坐标。
            (0, 255, 0)：矩形的颜色（绿色）。
            2：矩形线条的厚度。
            '''
        
        # 显示结果帧
        cv2.imshow('Face Detection', frame)
        '''
        显示结果帧：
        cv2.imshow('Face Detection', frame)
        cv2.imshow()：这是 OpenCV 中的一个函数，用于显示图像。
        'Face Detection'：窗口标题。
        frame：要显示的图像。
        '''
        
        # 按'q'退出循环
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
        '''
        按'q'退出循环：
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
        cv2.waitKey(1)：等待 1 毫秒，等待用户按键。
        & 0xFF：将按键值转换为 ASCII 码。
        ord('q')：获取字符 'q' 的 ASCII 码。
        如果用户按下 'q' 键，则退出循环。
        '''
    
    # 释放摄像头并关闭所有窗口
    cap.release()
    cv2.destroyAllWindows()
    '''
    释放摄像头并关闭所有窗口：
    cap.release()
    cv2.destroyAllWindows()
    cap.release()：释放摄像头资源。
    cv2.destroyAllWindows()：关闭所有 OpenCV 窗口。
    '''

if __name__ == "__main__":
    main()

测试

1. 确保你的摄像头正常工作。

2. 运行脚本：

   python3 face_detection.py
   

3. 打开摄像头后，你会看到一个窗口显示实时视频流，并且在检测到的人脸周围绘制绿色矩形。

4. 按 ‘q’ 键退出程序。

总结

本文详细介绍了如何使用 Python 和 OpenCV 库实现实时人脸识别，并通过具体的代码示例展示了整个过程。通过使用 cv2.CascadeClassifier 加载预训练的 Haar 级联分类器，cv2.VideoCapture 打开摄像头，cv2.cvtColor 转换图像颜色空间，cv2.rectangle 绘制矩形，最终实现了在实时视频流中检测并标记人脸的功能。

作者：燕鹏01