图片中的人脸检测

代码：

# -*- coding=GBK -*-
import cv2 as cv


# 人脸检测
def face_image():
  gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
  face_detector = cv.CascadeClassifier("E:\Python\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml")
  faces = face_detector.detectMultiScale(gray, 1.02, 10)   # 第二个参数是移动距离，第三个参数是识别度，越大识别读越高
  for x, y, w, h in faces:
    cv.rectangle(src, (x, y), (x+w, y+h), (0, 0, 255), 2)   # 后两个参数，一个是颜色，一个是边框宽度
  cv.imshow("result", src)


src = cv.imread("doctor.png")
cv.imshow("before", src)
face_image()
cv.waitKey(0)
cv.destroyAllWindows()

结果：

备注：

侧脸检测误差大，建议使用正脸图像

对我来说知道使用就行，过段时间做项目的时候再深究

---

摄像头中的人脸检测

代码：

# -*- coding=GBK -*-
import cv2 as cv


# 摄像头人脸检测
def face_image(src):
    gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
    face_detector = cv.CascadeClassifier("E:\Python\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml")
    faces = face_detector.detectMultiScale(gray, 1.02, 5)  # 第二个参数是移动距离，第三个参数是识别度，越大识别读越高
    for x, y, w, h in faces:
        cv.rectangle(src, (x, y), (x + w, y + h), (0, 0, 255), 2)  # 后两个参数，一个是颜色，一个是边框宽度
    cv.imshow("result", src)


capture = cv.VideoCapture(0)
while (True):
    ret, frame = capture.read()
    frame = cv.flip(frame, 1)
    face_image(frame)
    if cv.waitKey(10) & 0xFF == ord('q'):  # 键盘输入q退出窗口，不按q点击关闭会一直关不掉 也可以设置成其他键。
        break
face_image()
cv.waitKey(0)
cv.destroyAllWindows()

结果：

备注：

尽量正脸 : ）