OpenCV 是一个开源的计算机视觉库,它支持多种编程语言,包括 C++, Python 等。它包含了很多计算机视觉算法和工具,其中包括人脸识别。
人脸识别的基本思路是:首先从图像或视频中检测出人脸的位置,然后对人脸进行特征提取,最后根据这些特征来进行人脸识别。
以下是基于 OpenCV 的人脸识别的简要流程:
1、加载人脸检测器 在 OpenCV 中,有很多种人脸检测器可以使用,其中最常用的是 Haar 特征分类器,可以使用 OpenCV 提供的预训练模型来进行人脸检测。
import cv2
# 加载人脸检测器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
2、读取图像并进行人脸检测 使用 cv2.imread()
函数读取图像,并将其转换为灰度图像以便进行人脸检测。然后使用 face_cascade.detectMultiScale()
函数进行人脸检测,返回一个包含检测到的人脸位置的矩形数组。
# 读取图像并转换为灰度图像
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 进行人脸检测
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
3、绘制人脸框 遍历检测到的每一个人脸位置,使用 cv2.rectangle()
函数在原始图像中绘制矩形框来表示检测到的人脸位置。
# 在原始图像中绘制人脸框
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
4、显示结果图像 最后使用 cv2.imshow()
函数显示结果图像。
# 显示结果图像
cv2.imshow('Face Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()