使用 OpenCV-Python 的 Cascade Classifier 进行人脸检测

简介

OpenCV-Python 是一个基于 OpenCV（开源计算机视觉库）的 Python 库，包含了许多用于图像处理的有用工具和函数。 Cascade Classifier 是 OpenCV 中的一个框架，用于检测人脸、车牌等目标，数据存储在 .xml 文件中。

在本文中，我们将介绍如何使用 OpenCV-Python 的 Cascade Classifier 进行人脸检测。

安装

首先，我们需要安装 OpenCV-Python。可以使用 pip 命令来安装：

pip install opencv-python

导入库

接下来，我们需要导入 OpenCV 库和 Matplotlib 库（用于显示图像）。

import cv2
from matplotlib import pyplot as plt

加载分类器

现在，我们需要从 OpenCV 的 Github 仓库中下载一个分类器 XML 文件，该文件存储有关人脸检测的算法和其他相关数据。

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

加载图像

接下来，我们要加载待检测目标的图像。我们可以使用 cv2.imread 函数加载图像，并将其显示出来。

img = cv2.imread('test.jpg')
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.show()

灰度转换

灰度图像比彩色图像计算量小。因此，我们将图像转换为灰度图像。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
plt.imshow(gray, cmap='gray')
plt.show()

检测人脸

我们将使用 detectMultiScale 函数来检测图像中的人脸，这个函数将返回人脸的坐标、大小、宽度和高度等信息。

faces = face_cascade.detectMultiScale(gray, 1.3, 5)

绘制边框

最后，我们要在检测到的每个人脸周围绘制一个矩形边框，并将结果显示出来。

for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
    
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.show()

这就是使用 OpenCV-Python 的 Cascade Classifier 进行人脸检测的完整过程。