【python】15行代码实现人脸检测（opencv）

1. 项目简介

利用opecv的python库及训练好的级联分类器实现人脸检测。

2. 项目地址

https://github.com/XavierJiezou/opecv-face-detect

3. 依赖模块

pip install opencv-python

4. 完整代码

import cv2

def face_detect(file_name, cascade_name):
    img = cv2.imread(file_name) # 读取图片
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图片灰度化
    img_gray = cv2.equalizeHist(img_gray) # 直方图均衡化
    face_cascade = cv2.CascadeClassifier(cascade_name) # 加载级联分类器
    faces = face_cascade.detectMultiScale(img_gray) # 多尺度检测
    for (x, y, w, h) in faces: # 遍历所有检测到的人脸
        img = cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 255), 5) # 绘制矩形框
    cv2.imshow('Face detection', img) # 检测效果预览
    cv2.waitKey(0) # 保持窗口显示

if __name__ == "__main__":
    face_detect('test.jpg', 'haarcascade_frontalface_alt.xml')

5. 必要组件

opencv官方提供了8个已经训练好的人脸级联分类文件：

5.1. haar级联特征分类器（精度高）

• haarcascade_frontalface_default.xml：点击下载

• haarcascade_frontalface_alt.xml：点击下载

• haarcascade_frontalface_alt2.xml：点击下载

• haarcascade_frontalface_alt_tree.xml：点击下载

• haarcascade_profileface.xml：点击下载

5.2. lbp级联特征分类器（速度快）

• lbpcascade_frontalface.xml：点击下载
• lbpcascade_frontalface_improved.xml：点击下载
• lbpcascade_profileface.xml：点击下载

frontalface对正脸检测效果好，profileface专门针对侧脸进行检测。一般来说，haar特征检测精度更高，而lbp特征检测用时更短。

6. 成果展示 6.1. 测试样例1

• haar

• lbp

6.2. 测试样例2

• haar

• lbp

6.3. 测试样例3

• haar

• lbp

7. 对比分析

从测试结果来看，haar级联特征的alt人脸检测的精度是最高的，其次就是alt2，但如果对精度要求不高，可以采用lbp级联特征检测，因为这个花费的时间很短。

8. 引用参考

https://docs.opencv.org/master/db/d28/tutorial_cascade_classifier.html https://docs.opencv.org/master/d2/d99/tutorial_js_face_detection.html

9. 相关推荐

【python】15行代码实现猫脸检测（opencv）

【python】15行代码实现动漫人脸检测（opencv）

【python】30行代码实现视频中的动漫人脸检测（opencv）