识别图片中的人脸

识别图片中的人脸

# -*-encoding:utf-8-*-
import sys

# reload(sys)
# sys.setdefaultencoding('utf8')

import cv2

# 待检测的图片路径
imagepath = "test009.jpg"

# 获取训练好的人脸的参数数据，这里直接从GitHub上使用默认值
face_cascade = cv2.CascadeClassifier(
    "E:\\work_dir\\Python\\test\\venv\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml")

# 读取图片
image = cv2.imread(imagepath)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 探测图片中的人脸
faces = face_cascade.detectMultiScale(
    gray,
    scaleFactor=1.15,
    minNeighbors=3,
    minSize=(5, 5),
    flags=cv2.CASCADE_SCALE_IMAGE
)

# 参数1：image--待检测图片，一般为灰度图像加快检测速度；
# 参数2：scaleFactor--表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;
# 参数3：minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。
#         如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。
#         如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，
#         这种设定值一般用在用户自定义对检测结果的组合程序上；
# 参数4：flags--要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为
#
#         CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，
#
#         因此这些区域通常不会是人脸所在区域；
# 参数5：minSize和maxSize用来限制得到的目标区域的范围。


print("发现{0}个人脸!".format(len(faces)))

for (x, y, w, h) in faces:
    # cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)
    # cv2.circle(image, ((x + w) / 2, (y  + h) / 2), w / 2, (0, 255, 0), 2)

    cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)


cv2.imshow("Find Faces!", image)
cv2.waitKey(0)