50行Python代码实现人脸检测("50行Python代码轻松实现人脸检测：快速上手教程")

原创

ithorizon 6个月前 (10-21) 阅读数 13 #后端开发

50行Python代码轻松实现人脸检测：飞速上手教程

一、引言

人脸检测作为计算机视觉领域的一项基础技术，被广泛应用于图像处理、视频监控、人脸识别等领域。本文将介绍怎样使用Python和OpenCV库，在短短50行代码内实现人脸检测功能。让我们一起飞速上手，探索这个有趣的话题。

二、环境准备

在起始之前，请确保您的计算机已安装以下库：

Python 3.x

OpenCV 4.x

如果尚未安装，请使用以下命令安装OpenCV库：

pip install opencv-python

三、代码实现

下面是50行Python代码实现人脸检测的核心部分。我们使用了OpenCV库中的Haar特征分类器进行人脸检测。


import cv2
# 加载Haar级联分类器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
def detect_faces(img, cascade, scale_factor=1.1, min_neighbors=5, min_size=(30, 30)):
    # 成为灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 检测人脸
    faces = cascade.detectMultiScale(
        gray,
        scaleFactor=scale_factor,
        minNeighbors=min_neighbors,
        minSize=min_size,
        flags=cv2.CASCADE_SCALE_IMAGE
    )
    return faces
def main():
    # 加载图片
    img = cv2.imread('your_image.jpg')
    # 检测人脸
    faces = detect_faces(img, face_cascade)
    # 绘制矩形框
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
    # 显示图片
    cv2.imshow('Face Detection', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
if __name__ == '__main__':
    main()

四、代码解析

1. 首先，我们导入了OpenCV库，并加载了Haar特征分类器。Haar特征分类器是一种基于Haar特征的机器学习方法，用于检测图像中的人脸。


import cv2
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

2. 定义了一个检测人脸的函数`detect_faces`。该函数接收一个图像、一个分类器、一个缩放因子、一个最小邻居数和最小尺寸。函数首先将图像成为灰度图像，然后使用`detectMultiScale`方法检测图像中的人脸。


def detect_faces(img, cascade, scale_factor=1.1, min_neighbors=5, min_size=(30, 30)):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = cascade.detectMultiScale(
        gray,
        scaleFactor=scale_factor,
        minNeighbors=min_neighbors,
        minSize=min_size,
        flags=cv2.CASCADE_SCALE_IMAGE
    )
    return faces

3. 在`main`函数中，我们加载了一张图片，并使用`detect_faces`函数检测图片中的人脸。然后，我们遍历检测到的人脸，使用`rectangle`函数在图像上绘制蓝色矩形框。


def main():
    img = cv2.imread('your_image.jpg')
    faces = detect_faces(img, face_cascade)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
    cv2.imshow('Face Detection', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()