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]]]]])
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!