opencv根目录\sources\data\haarcascades中提供了很多训练好的分类器,我们使用haarcascade_frontalface_alt.xml分类器。
Haar cascade是Paul Viola和 Michael Jone在2001年,论文”Rapid Object Detection using a
Boosted Cascade of Simple Features”提出的一种Object Detection方法。
import cv2 # 读入图像 img = cv2.imread("test.jpg") # 加载人脸特征,该文件在
python安装目录\Lib\site-packages\cv2\data 下 face_cascade =
cv2.CascadeClassifier(r'haarcascade_frontalface_default.xml') #
将读取的图像转为COLOR_BGR2GRAY,减少计算强度 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #
检测出的人脸个数 faces = face_cascade.detectMultiScale(gray, scaleFactor = 1.15,
minNeighbors = 5, minSize = (5, 5)) print("Face : {0}".format(len(faces))) #
用矩形圈出人脸的位置 for(x, y, w, h) in faces: cv2.rectangle(img, (x, y), (x + w, y + h),
(0, 255, 0), 2) cv2.namedWindow("Faces") cv2.imshow("Faces", img)
cv2.waitKey(0) cv2.destroyAllWindows()

技术
©2020 ioDraw All rights reserved
谷歌称居家办公影响工作效率!2021 年将回归线下办公为什么保持代码整洁如此重要?python求和函数sum()详解字节跳动游戏官网正式上线:命名“朝夕光年”QCustomPlot系列(5)-实时动态曲线C语言简易学生成绩管理系统C语言结课设计:餐饮管理与点餐系统NOI2019 游记遇到数学问题《深度学习》“花书”读不下去了吗?给你支个招Python-Pandas库实现EXCEL数据拆分成不同的表