使用 OpenCV 和 Python 檢測人臉的一種非常流行且簡單的方法

步驟 01

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

pip install opencv－python

步驟 02

請確保這些庫已經(jīng)安裝。

import cv2

pip install numpy

pip install matplotlib

步驟 03

在檢測人臉之前，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

運行這兩個代碼后，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 級聯(lián)的人臉檢測是一種基于機器學(xué)習(xí)的方法，其中使用一組輸入數(shù)據(jù)訓(xùn)練級聯(lián)函數(shù)。OpenCV 已經(jīng)包含許多針對面部、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．＂）

對于每個人臉，繪制一個綠色矩形：

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 進行人臉檢測