当前位置：首页 > news >正文

如何进行人脸识别

news 2025/9/23 9:43:47

首先我们下载的opencv库中就自带了这些方法，可以直接使用了。我们可以这样找到

1 找到我们的外部库

这个外部库site-packages中存着我们的第三方库，我们可以在这个里面找到我们的cv2

2 找到cv2中的data文件

date中就是我们的这些检测方法，其中包含了笑容检测，人脸检测，下半身，或者眼镜检测，等等等等。下面我们来使用一下人脸检测。

3 代码部分

import cv2# 读取图像文件
image = cv2.imread('img_2.png')# 将彩色图像转换为灰度图像，因为人脸检测通常在灰度图像上更高效
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 加载人脸识别分类器
# 使用OpenCV提供的预训练Haar级联分类器
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')# 分类器检测实现人脸识别
# objects = cv2.CascadeClassifier.detectMultiScale(image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize]]]]])
# 其中，各个参数及返回值的含义如下：
# image: 待检测图像，通常为灰度图像
# scaleFactor: 表示在前后两次相继扫描中搜索窗口的缩放比例。识别，扫描，按照不同比例来进行扫描
# minNeighbors: 表示构成检测目标的相邻矩形的最小个数。在默认情况下，该参数的值为3，
#     表示有3个以上的检测标记存在时才认为存在人脸。如果希望提高检测的准确率可以将该参数的值设置得更大，
#     但这样做可能会让一些人脸无法被检测到
# flags: 该参数通常被省略。在使用低版本OpenCV(OpenCV 1.X版本)时，该参数可能会被设置为
#     CV_HAAR_DO_CANNY_PRUNING,表示使用Canny边缘检测器拒绝一些区域
# minSize: 目标的最小尺寸，小于这个尺寸的目标将被忽略
# maxSize: 目标的最大尺寸，大于这个尺寸的目标将被忽略。通常情况下，将该可选参数省略即可
#     若maxSize和minSize大小一致，则表示仅在一个尺度上查找目标
# objects: 返回值，目标对象的矩形框向量组。该值是一组矩形信息，
#     包含每个检测到的人脸对应的矩形框的信息(x轴方向位置、y轴方向位置、宽度、高度)
faces = faceCascade.detectMultiScale(gray,scaleFactor=1.05,  # 缩放比例因子minNeighbors=9,    # 最小邻居数，值越大检测越严格minSize=(8, 8)     # 最小人脸尺寸
)# 输出检测结果
print("发现{0}张人脸!".format(len(faces)))
print("其位置分别是：", faces)# 标注人脸及显示结果
# 遍历所有检测到的人脸区域
for (x, y, w, h) in faces:# 在原始图像上绘制矩形框标注人脸# 参数说明：#   image: 要绘制的图像#   pt1: 矩形左上角坐标 (x, y)#   pt2: 矩形右下角坐标 (x+w, y+h)#   color: 矩形框颜色，这里使用绿色 (BGR格式)#   thickness: 线条粗细cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)# 显示带有人脸标注的结果图像
cv2.imshow("result", image)# 等待按键输入，0表示无限等待
cv2.waitKey(0)# 关闭所有OpenCV创建的窗口
cv2.destroyAllWindows()

结果展示

4 参数解释

参数名	数据类型	作用说明	常见取值/建议
image	Mat	输入图像。通常应为灰度图像以加快检测速度。	`gray_image`
objects	vector	输出参数。用于存储检测到的目标矩形框（x, y, width, height）。	通常传入一个 `vector<Rect>` 变量来接收结果，Python 中是一个列表。
scaleFactor	double	图像缩放因子。决定在图像金字塔中每次缩小的比例。	1.05~1.4。值越小（如 1.05），检测越细致慢速；值越大（如 1.3），检测越快但可能漏检。
minNeighbors	int	最小邻居数。控制误检率，值越高检测越严格，但可能漏检真实目标。	3~6（默认），≥8（高可靠性要求）。值越高，误检越少，但漏检可能增加。
flags	int	检测模式标志。用于指定检测过程的一些选项（新版 OpenCV 中很多已弃用或无效）。	`0` (默认) 或 `CASCADE_SCALE_IMAGE`。`CASCADE_FIND_BIGGEST_OBJECT` (只找最大目标)。
minSize	Size	目标最小尺寸。小于此尺寸的检测目标将被忽略。	如 `(30, 30)`。根据图像中目标预期的最小大小调整，可有效过滤小噪声。
maxSize	Size	目标最大尺寸。大于此尺寸的检测目标将被忽略。