python+opencv实现人脸识别笔记一（检出人脸框）

因为我没有自己的摄像头，这里只是实现读取本地视频实现人脸检测，视频是抖音上下的。

import cv2
import sys
from PIL import Image

def CatchUsbVideo(window_name):
cv2.namedWindow(window_name)

# 视频来源，可以来自一段已存好的视频，也可以直接来自USB摄像头
cap = cv2.VideoCapture("/home/dong/Pictures/QQ视频20190417160108.mp4")

# 告诉OpenCV使用人脸识别分类器
classfier = cv2.CascadeClassifier("/home/dong/PycharmProjects/untitled/venv/lib/python3.6/site-packages/cv2/data/haarcascade_frontalface_alt2.xml")

# 识别出人脸后要画的边框的颜色，RGB格式
color = (0, 0, 0)

while cap.isOpened():
ok, frame = cap.read()  # 读取一帧数据
if not ok:
break

# 将当前帧转换成灰度图像
grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

# 人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数
faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=15, minSize=(32, 32), flags=4)
if len(faceRects) > 0:  # 大于0则检测到人脸
for faceRect in faceRects:  # 单独框出每一张人脸
x, y, w, h = faceRect
cv2.rectangle(frame, (x - 10, y - 10), (x + w, y + h), color, 2)

# 显示图像
cv2.imshow(window_name, frame)
c = cv2.waitKey(10)
if c & 0xFF == ord('q'):# 如果强制停止执行程序，结束视频放映
break
if __name__ == '__main__':

CatchUsbVideo("识别人脸区域")

运行结果

这里我介绍几个函数。
一 cv2.VideoCapture（）
VideoCapture()中参数是0，表示打开笔记本的内置摄像头，参数是视频文件路径则打开视频，如

cap = cv2.VideoCapture(0)

是打开内置摄像头

cap = cv2.VideoCapture("/home/dong/Pictures/QQ视频20190417160108.mp4")

打开本地文件视频

二 cv2.CascadeClassifier（）
告诉OpenCV使用人脸识别分类器
我的位置在/home/dong/PycharmProjects/untitled/venv/lib/python3.6/site-packages/cv2/data/
中，
有的在opencv中
/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt2.xml

三 ok, frame = cap.read()
cap.read()按帧读取视频，ok,frame是获cap.read()方法的两个返回值。其中ok是布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾，它的返回值就为False。frame就是每一帧的图像，是个三维矩阵。

四 classfier.detectMultiScale

faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=15, minSize=(32, 32), flags=4)

1 grey 是输入图像

2 scaleFactor这个是每次缩小图像的比例，默认是1.1 ，我这里选用1.2

3 minNeighbors 它表明如果有15个框都重叠一起了，那这里肯定是脸部
我以前是 minNeighbors=3容易判断错误，有些不是脸部也给标记起来了，在我看来，minNeighbors可以提高精度。

4 minSize() 匹配物体的最小范围
maxSize（）匹配物体的最大范围

5 flags=0：可以取如下这些值：
CASCADE_DO_CANNY_PRUNING=1, 利用canny边缘检测来排除一些边缘很少或者很多的图像区域
CASCADE_SCALE_IMAGE=2, 正常比例检测
CASCADE_FIND_BIGGEST_OBJECT=4, 只检测最大的物体

这个函数得到的
faceRects 是一个一维数组【x ,y ,w, h]分别代表着上左，上右，下左，下右的坐标

五 cv2.waitKey(10)

waitKey()函数的功能是不断刷新图像，频率时间为delay，单位为ms。

在此感谢博主https://blog.csdn.net/Zhou_yongzhe/article/details/80310537的宝贵经验