| 如何使用OpenCV Python检测人脸并在其周围绘制边界框？ | 您所在的位置：网站首页 › 脸的轮廓怎么画图片 › 如何使用OpenCV Python检测人脸并在其周围绘制边界框？ |
如何使用OpenCV Python检测人脸并在其周围绘制边界框？
|
如何使用OpenCV Python检测人脸并在其周围绘制边界框？
使用haar级联分类器在图像中检测人脸。haar级联分类器是一种有效的基于机器学习的物体检测方法。我们可以为训练数据训练自己的haar级联，但在这里，我们使用已经训练好的haar级联进行人脸检测。 我们将使用 haarcascade_frontalface_alt.xml 作为进行人脸检测的”haar级联”XML文件。 如何下载Haarcascades？您可以在GitHub网址中找到不同的haar级联 – https://github.com/opencv/opencv/tree/master/data/haarcascades 要下载人脸检测的haar级联，请单击 haarcascade_frontalface_alt.xml 文件。以原始格式打开它，右键单击并保存。 注意 - 将所有haar级联XML文件保存在 haarcascades 文件夹中。 步骤我们可以按照以下步骤检测图像中的人脸并在它们周围绘制边界框 – 使用所需的库导入。在下面的所有示例中，所需的Python库为 OpenCV 。请确保您已经安装了它。使用 cv2.imread() 读取输入图像。指定完整的图像路径。 为人脸检测初始化一个Haar级联分类器对象 face_cascade = cv2.CascadeClassifier() 。 传递haar级联xml文件的完整路径。您可以使用haar级联文件 haarcascade_frontalface_alt.xml 来在图像中检测人脸。 使用 face_cascade.detectMultiScale() 检测输入图像中的人脸。它以 (x，y，w，h) 格式返回检测到的人脸的坐标。 使用 cv2.rectangle() 在原始图像的检测到的人脸周围绘制边界矩形。 显示带有绘制在脸周围的边框的图像。 让我们看一些示例以获得更清楚的理解。 例子在这个Python程序中，我们检测一个人脸，并在检测到的人脸周围绘制一个边界框。 # 导入必要的库 import cv2 # 读取输入图片 img = cv2.imread('people.jpg') # 将每一帧转换为灰度 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 读取haacascade以检测输入图像中的脸部 face_cascade = cv2.CascadeClassifier('haarcascades\haarcascade_frontalface_alt.xml') # 检测输入图像中的脸部 faces = face_cascade.detectMultiScale(gray, 1.1, 2) print('检测到的脸部数量：', len(faces))\ # 遍历所有检测到的脸部 for (x,y,w,h) in faces: # 在检测到的脸部周围画一个矩形 cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,255),2) # 在窗口中显示一个图像 cv2.imshow('人脸检测',img) cv2.waitKey(0) cv2.destroyAllWindows()将以下图片视为 输入文件 该程序的图像−
运行上述Python程序时，将生成以下 输出 窗口− 检测到的脸部数量： 1我们得到以下 输出 窗口−
脸部周围的边界框用黄色绘制。 例子在此Python程序中，我们检测输入图像中的面部，并在检测到的面部周围绘制边界框。 import cv2 img = cv2.imread('window1.jpg') img1 =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(img1,170,255,0) # 画各种形状的椭圆 img = cv2.ellipse(img,(368,250),(100,40),30,0,180,(0,255,255),-1) img = cv2.ellipse(img,(150,170),(86,45),-30,0,360,(0,255,0),-1) img = cv2.ellipse(img,(578,250),(60,130),0,0,340,(0,0,255),-1) # 显示带有绘制椭圆的图像 cv2.imshow("Ellipses", img) cv2.waitKey(0) cv2.destroyAllWindows()我们将使用该图像作为 输入文件 运行该程序−
编写上述Python程序并运行后，将生成以下 输出 窗口− Number of detected faces: 15我们得到以下输出窗口−
黄色 是面部周围的边界框。 |
【本文地址】