使用 OpenCV 和 Python 檢測(cè)人臉的一種非常流行且簡(jiǎn)單的方法

步驟 01

我為此使用 Google Colab，首先，請(qǐng)確保你已安裝 OpenCV。你可以使用 pip 安裝它：

pip install opencv－python

步驟 02

請(qǐng)確保這些庫(kù)已經(jīng)安裝。

import cv2

pip install numpy

pip install matplotlib

步驟 03

在檢測(cè)人臉之前，我們必須使用 Google Colab 打開網(wǎng)絡(luò)攝像頭。

from google．colab．patches import cv2＿imshow

步驟 04

運(yùn)行這兩個(gè)代碼后，網(wǎng)絡(luò)攝像頭打開，你可以拍張照片。

from IPython．display import display， Javascript

from google．colab．output import eval＿js

from base64 import b64decode

def take＿photo（filename＝＇photo．jpg＇， quality＝0．8）：

js ＝ Javascript（＇＇＇

async function takePhoto（quality） ｛

const div ＝ document．createElement（＇div＇）；

const capture ＝ document．createElement（＇button＇）；

capture．textContent ＝ ＇Capture＇；

div．a(chǎn)ppendChild（capture）；

const video ＝ document．createElement（＇video＇）；

video．style．display ＝ ＇block＇；

const stream ＝ await navigator．mediaDevices．getUserMedia（｛video： true｝）；

document．body．a(chǎn)ppendChild（div）；

div．a(chǎn)ppendChild（video）；

video．srcObject ＝ stream；

await video．play（）；

／／ Resize the output to fit the video element．

google．colab．output．setIframeHeight（document．documentElement．scrollHeight， true）；

／／ Wait for Capture to be clicked．

await new Promise（（resolve） ＝＞ capture．onclick ＝ resolve）；

const canvas ＝ document．createElement（＇canvas＇）；

canvas．width ＝ video．videoWidth；

canvas．height ＝ video．videoHeight；

canvas．getContext（＇2d＇）．drawImage（video， 0， 0）；

stream．getVideoTracks（）［0］．stop（）；

div．remove（）；

return canvas．toDataURL（＇image／jpeg＇， quality）；

｝

＇＇＇）

   display（js）

   data ＝ eval＿js（＇takePhoto（｛｝）＇．format（quality））

   binary ＝ b64decode（data．split（＇，＇）［1］）

   with open（filename， ＇wb＇） as f：

   f．write（binary）

   return filename

from IPython．display import Image

try：

filename ＝ take＿photo（）

print（＇Saved to ｛｝＇．format（filename））

＃ Show the image which was just taken．

display（Image（filename））

except Exception as err：

＃ Errors will be thrown if the user does not have a webcam or if they do not

＃ grant the page permission to access it．

print（str（err））

照片保存為 photo．jpg。

photo．jpg

使用 Haar 級(jí)聯(lián)的人臉檢測(cè)是一種基于機(jī)器學(xué)習(xí)的方法，其中使用一組輸入數(shù)據(jù)訓(xùn)練級(jí)聯(lián)函數(shù)。OpenCV 已經(jīng)包含許多針對(duì)面部、眼睛、微笑等的預(yù)訓(xùn)練分類器。今天我們將使用面部分類器。你也可以嘗試使用其他分類器。

要檢測(cè)圖像中的人臉：

步驟 05

import cv2

img ＝ cv2．imread（＇photo．jpg＇）

gray＿img＝cv2．cvtColor（img，cv2．COLOR＿BGR2GRAY）

face＿cascade ＝ cv2．CascadeClassifier（cv2．data．haarcascades ＋ ＇haarcascade＿frontalface＿default．xml＇）

eye＿cascade ＝ cv2．CascadeClassifier（cv2．data．haarcascades ＋ ＇haarcascade＿eye．xml＇）

nose＿cascade ＝ cv2．CascadeClassifier（cv2．data．haarcascades ＋ ＇haarcascade＿nose．xml＇）

＃ detect all the faces in the image

faces ＝ face＿cascade．detectMultiScale（gray＿img，1．1，4）

＃ print the number of faces detected

print（f＂｛len（faces）｝ faces detected in the image．＂）

對(duì)于每個(gè)人臉，繪制一個(gè)綠色矩形：

步驟 06

for x， y， width， height in faces：

cv2．rectangle（img， （x， y）， （x ＋ width， y ＋ height）， color＝（0， 255， 0）， thickness＝2）

用矩形保存圖像：

步驟 07

＃ save the image with rectangles

cv2．imwrite（＂photo＿detected．jpg＂， img）

轉(zhuǎn)到文件 photo＿detected．jpg 并打開 。

結(jié)果：

photo＿detected．jpg

       原文標(biāo)題 : 使用 OpenCV 進(jìn)行人臉檢測(cè)