一、環境
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級聯結合攝像頭
"""
import cv2
#創建新的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）
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：
可以發現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中文，其它沒啥了。
到此這篇關于手把手教你利用opencv實現人臉識別功能的文章就介紹到這了,更多相關opencv實現人臉識別內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.csdn.net/weixin_46211269/article/details/120118177
