当前位置：首页 > news >正文

OpenCV 在树莓派上进行实时人脸检测

news 来源：原创 2025/6/23 19:20:02

这段 Python 代码借助 OpenCV 库实现了在树莓派上进行实时人脸检测的功能。它会开启摄像头捕获视频帧，在每一帧里检测人脸并以矩形框标记出来，同时在画面上显示帧率（FPS）。

依赖库

cv2：OpenCV 库，用于计算机视觉任务，像图像读取、处理以及人脸检测等。
time：用于计算帧率。

全局变量

HAAR_PATH：Haar 级联分类器文件的路径，此文件用于人脸检测。这里给出了两个可能的路径，你要依据实际情况选择其中一个。

函数说明

`detect_faces()`

该函数的功能是开启摄像头，持续捕获视频帧，在每一帧中检测人脸并进行标记，最后显示带有标记和帧率的视频画面。

详细步骤：

摄像头初始化：

python

```
cap = cv2.VideoCapture(0)
cap.set(3, 640)  # 设置宽度
cap.set(4, 480)  # 设置高度
```
运用cv2.VideoCapture(0)开启树莓派的摄像头，并且将视频帧的宽度设定为 640 像素，高度设定为 480 像素。
加载分类器：

python

```
face_cascade = cv2.CascadeClassifier(HAAR_PATH)
```
借助cv2.CascadeClassifier加载 Haar 级联分类器文件，以此来进行人脸检测。
循环捕获并处理视频帧：

python

```
while True:
    start_time = time.time()
    ret, frame = cap.read()
    if not ret:
        break
```
持续捕获视频帧，直至无法成功读取帧为止。在每次循环开始时记录当前时间，用于后续计算帧率。
图像优化：

python

```
small_frame = cv2.resize(frame, (0,0), fx=0.5, fy=0.5)
gray = cv2.cvtColor(small_frame, cv2.COLOR_BGR2GRAY)
```
为了提升树莓派的处理速度，把视频帧缩小为原来的一半，然后将其转换为灰度图像，因为人脸检测在灰度图像上进行会更高效。
人脸检测：

python

```
faces = face_cascade.detectMultiScale(
    gray,
    scaleFactor=1.05,  # 降低以提升准确率
    minNeighbors=5,
    minSize=(30, 30),
    flags=cv2.CASCADE_SCALE_IMAGE
)
```
利用detectMultiScale方法在灰度图像中检测人脸。scaleFactor参数设定图像缩放比例，minNeighbors参数表示每个候选矩形应该保留的邻居数，minSize参数规定检测到的人脸的最小尺寸。
还原坐标并标记人脸：

python

```
for (x, y, w, h) in faces:
    x, y, w, h = x*2, y*2, w*2, h*2
    cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
```
由于之前对图像进行了缩小处理，所以需要把检测到的人脸坐标还原到原始图像尺寸，接着使用cv2.rectangle方法在原始图像上绘制绿色矩形框标记人脸。
显示帧率：

python

fps = 1.0 / (time.time() - start_time)
cv2.putText(frame, f"FPS: {fps:.1f}", (10, 30),
           cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)

依据开始时间和当前时间计算帧率，再使用cv2.putText方法在图像上显示帧率。

显示图像并处理退出事件：

python

cv2.imshow('Raspberry Pi Face Detection', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
    break

显示带有标记和帧率的图像，当用户按下q键时，退出循环。

释放资源：

python

```
cap.release()
cv2.destroyAllWindows()
```
释放摄像头资源，关闭所有 OpenCV 窗口。

主程序

python

if __name__ == "__main__":
    detect_faces()

当脚本作为主程序运行时，调用detect_faces函数开始进行人脸检测。

完整代码

import cv2
import time

# 选择最佳路径（根据你的实际情况取消注释一个）
HAAR_PATH = "/usr/local/share/opencv4/haarcascades/haarcascade_frontalface_default.xml"  # 推荐
# HAAR_PATH = "/home/chen/myenv/lib/python3.11/site-packages/cv2/data/haarcascade_frontalface_default.xml"

def detect_faces():
    # 初始化摄像头（树莓派专用相机设置）
    cap = cv2.VideoCapture(0)
    cap.set(3, 640)  # 设置宽度
    cap.set(4, 480)  # 设置高度
    
    # 加载分类器
    face_cascade = cv2.CascadeClassifier(HAAR_PATH)
    
    while True:
        start_time = time.time()
        ret, frame = cap.read()
        if not ret:
            break
            
        # 树莓派优化：缩小图像提高检测速度
        small_frame = cv2.resize(frame, (0,0), fx=0.5, fy=0.5)
        gray = cv2.cvtColor(small_frame, cv2.COLOR_BGR2GRAY)
        
        # 检测人脸（优化参数）
        faces = face_cascade.detectMultiScale(
            gray,
            scaleFactor=1.05,  # 降低以提升准确率
            minNeighbors=5,
            minSize=(30, 30),
            flags=cv2.CASCADE_SCALE_IMAGE
        )
        
        # 还原坐标到原始图像尺寸
        for (x, y, w, h) in faces:
            x, y, w, h = x*2, y*2, w*2, h*2
            cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
        
        # 显示FPS（帧率）
        fps = 1.0 / (time.time() - start_time)
        cv2.putText(frame, f"FPS: {fps:.1f}", (10, 30),
                   cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
        
        cv2.imshow('Raspberry Pi Face Detection', frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    cap.release()
    cv2.destroyAllWindows()

if __name__ == "__main__":
    detect_faces()