代码收藏家技术教程 2024-12-31

python之opencv库Haar级联分类器检测人脸–‘haarcascade_frontalface_default.xml‘

python之opencv库Haar级联分类器检测人脸–‘haarcascade_frontalface_default.xml’

opencv库： 它由 Intel 公司发起并参与开发，其初衷是为了提供高效的计算机视觉算法实现。随着计算机视觉领域的发展，OpenCV不断更新和完善，吸引了全球众多开发者的贡献。如今，它已成为计算机视觉领域应用最为广泛的库之一。它提供了多种编程语言接口，主要包括 C++、Python、Java 等。

此案例中使用opencv库中Haar级联文件中与预训练好的检测正面人脸的模型文件’haarcascade_frontalface_default.xml’进行本地视频以及摄像头获取的人脸检测。

文件末尾有完整的代码

文件结构：

将三个文件放在同一级目录（同一个文件夹）下。

face.mp4是要检测的本地视频

Haar_face_test.py文件：python源码文件

haarcascade_frontalface_default.xml文件：Opencv库中预训练好的检测正面人脸的模型文件。在opencv文件(cv2)中的data文件中可以找到它。复制粘贴过来

cmd中下载opencv库：

pip install opencv-python -i https://mirrors.aliyun.com/pypi/simple/

分模块代码解读：
1.首先导入opencv的库

import cv2

2.加载级联分类器

face_cascade = cv2.CascadeClassifier(
    'haarcascade_frontalface_default.xml'
)

3.初始化视频捕捉对象

# cap = cv2.VideoCapture('face.mp4')
cap = cv2.VideoCapture(0)  #传入数字0，表示打开本机摄像头

4.读取视频，对视频进行处理

scaling_factor = 0.5  #（比例因子）缩放比

while True:
    _, frame = cap.read()   #读取视频的下一帧

cap.read()方法用于读取视频的下一帧，它返回两个值，第一个值表示是否成功读取到帧（这里用_忽略了这个返回值，通常可以用来做错误处理判断是否视频读取完毕等情况），第二个值就是读取到的视频帧图像数据。

 frame = cv2.resize(frame, None,
                    fx=scaling_factor, 
                    fy=scaling_factor,
                    interpolation=cv2.INTER_AREA)

cv2.resize函数按照之前定义的缩放因子对读取到的帧进行缩放，通过指定fx（水平方向缩放因子）和fy（垂直方向缩放因子）都为scaling_factor来实现等比例缩放，interpolation = cv2.INTER_AREA指定了缩放时采用的插值算法（INTER_AREA适用于缩小图像尺寸的情况）。

 gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)   #彩色图像灰度化

  cv2.putText(frame, 'face', (10, 30), cv2.FONT_HERSHEY_SIMPLEX,
                1, (0, 0, 255), 2)    #视频中显示'face'文字

cv2.FONT_HERSHEY_SIMPLEX：指定文字使用的字体类型 1：表示字体的缩放比例 2：表示文字的线条粗细，单位：像素

 face_rects = face_cascade.detectMultiScale(gray, 1.3, 5)

face_cascade.detectMultiScale方法是利用之前加载的人脸检测级联分类器模型在灰度图像gray上进行人脸检测，它的参数中1.3是scaleFactor（表示每次图像缩放的比例因子，用于在不同尺度下检测人脸，逐步缩小图像来检测不同大小的人脸），5是minNeighbors（表示构成检测目标的相邻矩形的最小个数，可用于减少误检测等情况），该方法返回检测到的人脸区域的矩形框信息（以包含左上角坐标(x, y)以及矩形的宽w和高h的元组形式, 多个矩形框信息以列表形式返回），存储在face_rects变量中。

  for (x, y, w, h) in face_rects:
        cv2.rectangle(frame, (x, y), (x + w, y + h ), (0, 255, 0), 2)
        # 然后通过一个循环遍历检测到的每个人脸矩形框信息
        #使用cv2.rectangle 函数在原始彩色帧frame上绘制绿色（颜色参数(0, 255, 0)表示绿色，在OpenCV中颜色以BGR顺序表示）的矩形框来标记人脸位置，
        # 矩形框的线宽设置为2像素。
        cv2.imshow('Output',frame)
        #显示处理后的视频
        c = cv2.waitKey(1)
        if c == 27:
            break
        # cv2.waitKey(1) 等待用户按键，参数 1表示等待1毫秒，它返回用户按下的键对应的ASCII码值
        # 这里将返回值赋给 c，如果用户按下Esc键（其ASCII码值为27），则通过 if 判断跳出循环，结束程序运行。

cap.release()
cv2.destroyAllwindows()
#释放资源和关闭窗口

完整代码：

import cv2

face_cascade = cv2.CascadeClassifier(
    'haarcascade_frontalface_default.xml'
)

cap = cv2.VideoCapture('face.mp4')
#cap = cv2.VideoCapture(0)  #传入数字0，表示打开本机摄像头

scaling_factor = 0.5

while True:
    _, frame = cap.read()
    frame = cv2.resize(frame, None,
                       fx=scaling_factor, fy=scaling_factor,
                       interpolation=cv2.INTER_AREA)
    gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
    cv2.putText(frame, 'face', (10, 30), cv2.FONT_HERSHEY_SIMPLEX,
                1, (0, 0, 255), 2)
    face_rects = face_cascade.detectMultiScale(gray, 1.3, 5)

    for (x, y, w, h) in face_rects:
        cv2.rectangle(frame, (x, y), (x + w, y + h ), (0, 255, 0), 2)
        cv2.imshow('Output',frame)
        c = cv2.waitKey(1)
        if c == 27:
            break

cap.release()
cv2.destroyAllwindows()

检测结果截图：