import cv2 as cv import numpy as np def face_detect_demo(image): gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) ##叠加分类器 face_detector = cv.CascadeClassifier("M:/opencv3&python视频 淘宝一枝红梨/2-赠送OpenCV视觉处理核心课程/opencv-3.0.0/data/lbpcascades/lbpcascade_frontalcatface.xml") faces = face_detector.detectMultiScale(gray, 1.1, 20) #detectMultiScale ##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:objects–被检测物体的矩形框向量组;为输出量,如人脸检测矩阵Mat # 参数3: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%;一般设置为1.1 # 参数4: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5: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6、7:minSize和maxSize用来限制得到的目标区域的范围。也就是我本次训练得到实际项目尺寸大小 for x, y, w, h in faces: cv.rectangle(image, (x, y), (x+w, y+h), (0, 0, 255), 2) cv.imshow("result", image) print("--------- Python OpenCV Tutorial ---------") src = cv.imread("C:/Users/weiqiangwen/Desktop/sest/data/lena.jpg") # cv.namedWindow("input contours",cv.WINDOW_AUTOSIZE) cv.imshow("contours", src) capture = cv.VideoCapture(0) #cv.namedWindow("input image", cv.WINDOW_AUTOSIZE) cv.namedWindow("result", cv.WINDOW_AUTOSIZE) while(True): ret, frame = capture.read() frame = cv.flip(frame, 1) face_detect_demo(frame) c = cv.waitKey(10) if c == 27: # ESC break cv.waitKey(0) cv.destroyAllWindows()
第十八天调用摄像头人脸识别(有误判)
猜你喜欢
转载自blog.csdn.net/qq_32340685/article/details/83752965
今日推荐
周排行