一、環(huán)境

pip install opencv-python

python3.9

pycharm2020

人狠話不多，直接上代碼，注釋在代碼里面，不說廢話。

二、使用Haar級聯(lián)進行人臉檢測

測試案例：

代碼：（記得自己到下載地址下載對應的xml）

# coding=gbk
"""
作者：川川
@時間  : 2021/9/5 16:38
https://github.com/opencv/opencv/tree/master/data/haarcascades
"""
import cv2

# 待檢測的圖片路徑
imagepath="2.jpg"

image = cv2.imread(imagepath)#讀取圖片
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)#圖像轉換為灰度圖：

face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')#加載使用人臉識別器

faces = face_cascade.detectMultiScale(gray)#檢測圖像中的所有面孔

#為每個人臉繪制一個藍色矩形
for x, y, width, height in faces:
	# 這里的color是 藍 黃 紅，與rgb相反，thickness設置寬度
    cv2.rectangle(image, (x, y), (x + width, y + height), color=(255, 0, 0), thickness=2)

# 最后，讓我們保存新圖像
cv2.imwrite("beauty_detected.jpg", image)

效果：

效果可以看出這個效果并不是很好。

三、Haar級聯(lián)結合攝像頭

代碼：（還是用的前面得xml）

# coding=gbk
"""
攝像頭人臉識別
作者：川川
@時間  : 2021/9/5 17:15
Haar級聯(lián)結合攝像頭
"""
import cv2

#創(chuàng)建新的cam對象
cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)
#初始化人臉識別器（默認的人臉haar級聯(lián)）
face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')

while True:
    # 從攝像頭讀取圖像
    _, image = cap.read()
    # 轉換為灰度
    image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 檢測圖像中的所有人臉
    faces = face_cascade.detectMultiScale(image_gray, 1.3, 5)
    # 為每個人臉繪制一個藍色矩形
    for x, y, width, height in faces:
        cv2.rectangle(image, (x, y), (x + width, y + height), color=(255, 0, 0), thickness=2)
    cv2.imshow("image", image)
    if cv2.waitKey(1) == ord("q"):
        break

cap.release()
cv2.destroyAllWindows()

效果：

四、使用SSD的人臉檢測

代碼：

# coding=gbk
"""
圖片人臉識別
作者：川川
@時間  : 2021/9/5 17:22
"""
import cv2
import numpy as np
# 下載鏈接：https://raw.githubusercontent.com/opencv/opencv/master/samples/dnn/face_detector/deploy.prototxt
prototxt_path = r"./deploy.prototxt.txt"
# 下載鏈接：https://raw.githubusercontent.com/opencv/opencv_3rdparty/dnn_samples_face_detector_20180205_fp16/res10_300x300_ssd_iter_140000_fp16.caffemodel
model_path =r"./res10_300x300_ssd_iter_140000_fp16.caffemodel"
model = cv2.dnn.readNetFromCaffe(prototxt_path, model_path)
image = cv2.imread("2.jpg")
h, w = image.shape[:2]
blob = cv2.dnn.blobFromImage(image, 1.0, (300, 300),(104.0, 177.0, 123.0))
model.setInput(blob)
output = np.squeeze(model.forward())
font_scale = 1.0
for i in range(0, output.shape[0]):
    confidence = output[i, 2]
    if confidence > 0.5:
        box = output[i, 3:7] * np.array([w, h, w, h])
        start_x, start_y, end_x, end_y = box.astype(np.int)
        cv2.rectangle(image, (start_x, start_y), (end_x, end_y), color=(255, 0, 0), thickness=2)
        cv2.putText(image, f"{confidence*100:.2f}%", (start_x, start_y-5), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (255, 0, 0), 2)
cv2.imshow("image", image)
cv2.waitKey(0)
cv2.imwrite("beauty_detected.jpg", image)

效果：

我們可以看到現(xiàn)在的識別效果非常好了。

五、 SSD結合攝像頭人臉檢測

代碼：

# coding=gbk
"""
作者：川川
@時間  : 2021/9/5 17:26
SSD結合攝像頭的人臉檢測
"""
import cv2
import numpy as np
prototxt_path = "deploy.prototxt.txt"
model_path = "res10_300x300_ssd_iter_140000_fp16.caffemodel"
model = cv2.dnn.readNetFromCaffe(prototxt_path, model_path)
cap = cv2.VideoCapture(0)
while True:
    _, image = cap.read()
    h, w = image.shape[:2]
    blob = cv2.dnn.blobFromImage(image, 1.0, (300, 300), (104.0, 177.0, 123.0))
    model.setInput(blob)
    output = np.squeeze(model.forward())
    font_scale = 1.0
    for i in range(0, output.shape[0]):
        confidence = output[i, 2]
        if confidence > 0.5:
            box = output[i, 3:7] * np.array([w, h, w, h])
            start_x, start_y, end_x, end_y = box.astype(np.int)
            cv2.rectangle(image, (start_x, start_y), (end_x, end_y), color=(255, 0, 0), thickness=2)
            cv2.putText(image, f"{confidence*100:.2f}%", (start_x, start_y-5), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (255, 0, 0), 2)
    cv2.imshow("image", image)
    if cv2.waitKey(1) == ord("q"):
        break
cv2.destroyAllWindows()
cap.release()

效果：

可以發(fā)現(xiàn)SSD效果特別好！

六、結語

如果你想更深了解這些原理，去讀一下opencv文檔吧，中文官方文檔如下：

https://woshicver.com/

在很多人調用xm會遇到一些坑，我在這里說一下，讀取xml的時候用相對路徑./這種，參考我的，建議不要路徑中出現(xiàn)中文，其它沒啥了。

到此這篇關于手把手教你利用opencv實現(xiàn)人臉識別功能的文章就介紹到這了,更多相關opencv實現(xiàn)人臉識別內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

超詳細注釋之OpenCV實現(xiàn)視頻實時人臉模糊和人臉馬賽克
超詳細注釋之OpenCV dlib實現(xiàn)人臉采集
opencv基于Haar人臉檢測和眼睛檢測
OpenCV-Python實現(xiàn)人臉磨皮算法
基于Opencv制作的美顏相機帶你領略美顏特效的效果

標簽：河南樂山滄州上海沈陽紅河新疆長治

巨人網(wǎng)絡通訊聲明：本文標題《手把手教你利用opencv實現(xiàn)人臉識別功能（附源碼+文檔）》，本文關鍵詞；如發(fā)現(xiàn)本文內容存在版權問題，煩請?zhí)峁┫嚓P信息告之我們，我們將及時溝通與處理。本站內容系統(tǒng)采集于網(wǎng)絡，涉及言論、版權與本站無關。