首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >HAAR人脸检测

HAAR人脸检测

作者头像
裴来凡
发布2022-05-28 16:40:14
发布2022-05-28 16:40:14
2K00
代码可运行
举报
运行总次数:0
代码可运行
代码语言:javascript
代码运行次数:0
运行
复制
import cv2
img=cv2.imread('C:/Users/xpp/Desktop/Lena.png')#原始图像
#步骤1:获取XML文件,加载人脸检测器
faceCascade=cv2.CascadeClassifier('C:/Users/xpp/anaconda3/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')#获取XML文件,加载人脸检测器
gray=cv2.cvtColor(img,cv.COLOR_BGR2GRAY)#将彩色图片转换为灰度图片
#步骤2:实现人脸检测
faces=faceCascade.detectMultiScale(gray,scaleFactor=1.03,minNeighbors=3,minSize=(3,3))#人脸检测
#步骤3:打印检测到的人脸
print(faces)
print("发现{0}个人脸".format(len(faces)))
#步骤4:在原图中标记检测到的人脸
for (x, y, w, h) in faces:
#步骤5:绘制圆环,标记人脸
    cv2.circle(img,(int((x+x+w)/2),int((y+y+h)/2)),int(w/2),(0,255,0),2)#绘制圆环,标记人脸
#步骤6:显示检测结果
cv2.imshow("img",img)
cv2.waitKey()
cv2.destroyAllWindows()

[[192 163 168 168]] 发现1个人脸

算法:HEAR人脸检测是构造能够区分包含人脸实例和不包含人脸实例的分类器。这些实例称为“正类”(包含人脸图像)和“负类”(不包含人脸图像)。

Objects=CascadeClassfier.detectMultiScale(img [, scaleFactor[, minNeighbors[
, flags[, minSize[, maxSize]]]]])

  • img表示输入图像
  • scaleFactor表示在前后两次扫描过程中窗口的缩放因子
  • inNeighbors表示构成检测目标的相邻矩形的个数
  • flags表示插值方法,可省略
  • minSize表示检测目标的最小尺寸
  • maxSize表示检测目标的最大尺寸
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-03-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 图像处理与模式识别研究所 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档