本文采用OpenCV3和Python3 来实现静态图片的人脸识别,采用的是Haar文件级联。
首先需要将OpenCV3源代码中找到data文件夹下面的haarcascades文件夹里面包含了所有的OpenCV的人脸检测的XML文件，这些文件可以用于检测静态，视频文件，摄像头视频流中的人脸，找到haarcascades文件夹后，复制里面的XML文件，在你新建的Python脚本文件目录里面建一个名为cascades的文件夹，并把复制的XML文件粘贴到新建的文件夹中一些有人脸的的图片，这个大家可以自行百度。
创建一个识别人脸的函数detect()
def detect(img):
#函数声明了一个face_cascade的变量，该变量为CascadeClassifier的对象，用于检测人脸（frontalface）
face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
#进行灰度化处理
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#进行实际的人脸检测，传递参数是scaleFactor和minNeighbor,分别表示人脸检测过程中每次迭代时图像的压缩率和每个人脸矩形保留近邻数目的最小值
faces = face_cascade.detectMultiScale(gray,1.3,5)
for (x,y,w,h) in faces:
#依次提取faces变量中的值来画矩形
img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,255),2)
cv2.imshow('face_track',img)
#避免图形窗口关闭
cv2.waitKey(0)
上面就是主要的函数，当然你也可以不用函数，直接写在while循环里面，下面是完整的程序代码
import cv2
filename = cv2.imread('face_2.jpg')
def detect(img):
face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray,1.3,5)
for (x,y,w,h) in faces:
img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,255),2)
cv2.imshow('face_track',img)
cv2.waitKey(0)
if __name__ == "__main__":
detect(filename)
运行结果
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
