一、开发前准备
pycharm版本：2023.1 python版本：3.7.5 opencv-python版本：4.5.4.60
二、图像上方框的绘制
在图像上绘制方框的代码如下：
import cv2
img = cv2.imread('st.jpg')
cv2.imshow('test', img)
x, y, w, h = 100, 100, 100, 100
# 具体来说，pt1参数是矩形左上角的点的坐标，pt2参数是矩形右下角的点的坐标。这两个参数共同定义了矩形的位置和大小。
cv2.rectangle(img, pt1=(x, y), pt2=(x + w, y + h), color=(0, 0, 255), thickness=2)
cv2.imshow('test', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
完成效果如下图
cv2.rectangle()函数用于在图像上绘制矩形。pt1和pt2参数是定义矩形的两个对角点，分别表示矩形的左上角和右下角的坐标。
具体来说，pt1参数是矩形左上角的点的坐标，pt2参数是矩形右下角的点的坐标。这两个参数共同定义了矩形的位置和大小。
在上面的代码中，pt1的坐标为(x, y)，表示矩形左上角的点的坐标为(x, y)，pt2的坐标为(x+w, y+h)，表示矩形右下角的点的坐标为(x+w, y+h)。因此，矩形的宽度为w，高度为h。
color参数定义了矩形的颜色，(0, 0, 255)表示蓝色。thickness参数定义了矩形的线宽，这里设置为2。
三、实现简单的人脸检测
实现人脸检测的代码如下：
import cv2
def face_detect_demo(face_img):
# 灰度处理图像
gray_img = cv2.cvtColor(face_img, cv2.COLOR_BGR2GRAY)
# 选择分类器
face_detect = cv2.CascadeClassifier(r'C:\python\venv\Lib\site-packages\cv2\data\haarcascade_frontalface_alt.xml')
# 对灰度图进行特征提取
face = face_detect.detectMultiScale(gray_img)
for x, y, w, h in face:
cv2.rectangle(face_img, pt1=(x, y), pt2=(x + w, y + h), color=(0, 0, 255), thickness=2)
cv2.imshow('test', face_img)
img = cv2.imread('st.jpg')
face_detect_demo(img)
while True:
if ord('f') == cv2.waitKey(0):
break
cv2.destroyAllWindows()
cv2.CascadeClassifier() 方法详解： 实现人脸检测需要用到OpenCV中的级联分类器CascadeClassifier来加载训练好的人脸检测器模型，训练好的模型保存在指 定路径下的XML文件中，比如我的就是C:\python\venv\Lib\site-packages\cv2\data\haarcascade_frontalface_alt.xml，可 以根据个人实际情况在下载了cv2库的python目录里面找到。
face_detect.detectMultiScale() 方法详解： 这行代码使用前面加载的人脸检测器face_detect对输入的灰度图像gray_img进行人脸检测，检测结果将存储在变量face中。
具体来说，detectMultiScale()函数采用滑动窗口的方式，在输入图像上搜索可能的人脸区域。该函数可以设置多个参数，用于控制人脸检测的灵敏度、最小检测尺寸、最大检测尺寸等。函数的返回值face是一个包含检测到的人脸矩形区域的列表，每个矩形用(x, y, w, h)表示，其中(x, y)是矩形左上角的坐标，w和h是矩形的宽度和高度。
关于人脸识别为什么要用灰度图的原因
在进行人脸识别任务时，一般需要将图像转换为灰度图像进行处理。这是因为：
1、灰度图像占用的存储空间更小，可以降低计算成本。灰度图像只有一个通道，每个像素只需要用一个字节表示，而彩色图像则需要三个通道，每个像素需要用三个字节表示。这意味着，使用灰度图像可以在不降低图像质量的情况下，大幅降低计算和存储的成本。
2、灰度图像可以去除颜色信息对识别的影响。在人脸识别中，颜色信息并不是识别人脸所必需的，反而会带来很多干扰。比如，同一个人在不同的光照条件下，肤色可能会有较大差异，这会使得人脸识别算法难以正确识别。使用灰度图像可以去除这些干扰，提高人脸识别的准确率。
3、灰度图像可以提高算法的鲁棒性。在彩色图像中，不同通道的像素可能会因为光照条件、白平衡等因素而出现较大差异。而在灰度图像中，所有像素都是单一的数值，可以更好地抵抗这些干扰，提高算法的鲁棒性。
综上所述，将彩色图像转换为灰度图像是进行人脸识别任务时的常见操作，可以提高计算效率、去除干扰，提高算法的准确性和鲁棒性。
四、总结
该部分讲了如何进行方框的绘制以及人脸检测功能是如何实现的
下一部分：1、视频检测；2、人脸信息的采集
参考阅读
您阅读本篇文章共花了：
发表评论