OpenCV人脸检测教程

在本节将介绍OpenCV一个比较综合的应用——人脸检测，这也是OpenCV较为常见的应用场景。OpenCV中的人脸检测主要使用了Haar级联分类器，可以使用已经预训练好的模型直接调用。Haar级联分类器会从左到右，从上到下，用不同大小的滑窗去扫描整张图片。滑窗每移动一定数量的像素，分类器便会检测滑窗内是否有人脸。

以下代码是人脸的检测示例，其中之所以将彩色图转换为灰度图主要是为了提高检测速度。

import cv2

img=cv2.imread（＇lena.jpg'）

#将图片转化成灰度图像

gray=cv2.cvtColor（img, cv2.COLOR_BGR2GRAY）

#加载Haar级联分类器模型

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

faces_rects=face_cascade.detectMultiScale（gray, scaleFactor=1.05，min-Neighbors=5，minSize=（30，30））

#在原先的彩色图像上标志出宽度为2的蓝色包围框

for（x, y，w, h）in faces_rects：

img=cv2.rectangle（img，（x, y），（y+h, x+w），（255，0，0），2）

cv2. imshow（＇img'，img）

cv2. waitKey（）

cv2. destroyAllWindows（）

以上代码中，cv2.CascadeClassifier（param_file）分类器接收一个XML文件地址参数，此文件可以从https：//github.com/opencv/opencv/tree/master/data/haarcascades下载，然后就可以使用detectMultiScale函数进行目标（人脸）检测。参数列表中的scaleFactor表示图片缩放比例，用于创建多尺度金字塔图像，1.05表示在金字塔层中逐层减小图像尺寸的5%；minNeighbors表示滑窗内设置多少个矩形来检测是否有人脸；minSize表示最小滑窗的尺寸，分类器检测的图像均大于该尺寸的滑窗。返回参数faces_rects为代表了有人脸的矩形框，可以是包括多个人脸信息的一个列表，每一个矩形框均表示为（x, y，w, h），其中x, y表示左上点坐标，w和h表示宽度与高度（图3-18）。

图3-18　OpenCV人脸检测图像

对于视频或摄像头同样可以用OpenCV进行类似的操作，区别在于主要采用cv2.VideoCapture函数获取视频中的图像帧，每一帧就对应一幅图像，其余后续操作类似上面的例子，如果读取视频所有帧或利用摄像头循环检测便可用作人脸跟踪，在此不做赘述，以下展示主要代码：

import cv2

#加载Haar级联分类器模型

face_cascade=cv2.CascadeClassifier（"haarcascade_frontalface_default.(https://www.xing528.com)

xml"）

cameraCapture=cv2.VideoCapture（0）

if cameraCapture. isOpened（）：

while True：

success, image=cameraCapture.read（）

if success：

#将图片转化成灰度图像

gray=cv2.cvtColor（image, cv2.COLOR_BGR2GRAY）

faces=face_cascade.detectMultiScale（gray, scaleFactor=1.

25，minNeighbors=5，minSize=（30，30））

#在原先的彩图上画出包围框（蓝色框，边框宽度为2）

for（x, y，w, h）in faces：

img=cv2.rectangle（image，（x, y），（y+h, x+w），（255，0，0），2）

cv2. imshow（＇img'，image）

else：

break

if cv2. waitKey（5）&0xFF==ord（＇q'）：

cameraCapture. release（）#释放资源

break

cv2. destroyAllWindows（）