【米尔-NXP iMX9系列开发板试用评测】8 基于opencv的人脸检测

eefocus_3914144

【前言】
要实现人脸识别功能，首先要进行人脸检测，判断出图片中人脸的位置，才能进行下一步的操作。
OpenCV人脸检测方法
在OpenCV中主要使用了两种特征（即两种方法）进行人脸检测，Haar特征和LBP特征。用的最多的是Haar特征人脸检测，此外OpenCV中还集成了深度学习方法来实现人脸检测。

【参考资料】
使用OpenCV工具包成功实现人脸检测与人脸识别，包括传统视觉和深度学习方法（附完整代码，模型下载......）_opencv人脸识别-CSDN博客
【Haar级联检测器预训练模型下载】
opencv/opencv: Open Source Computer Vision Library (github.com)
下载好的，在opencv-4.x\data\haarcascades文件夹下有模型，把他上传到开发板。

【获取检测人脸的图片】
我在百度上找到了**的图片，并把他也上传到开发板。
【编写检测代码】

1. import numpy as np
   
2. import cv2 as cv
   
3. 
   
4. if __name__ == '__main__':
   
5.     # (6) 使用 Haar 级联分类器 预训练模型 检测人脸
   
6.     # 读取待检测的图片
   
7.     img = cv.imread("yanmi.jpg")
   
8.     print(img.shape)
   
9. 
   
10.     # 加载 Haar 级联分类器 预训练模型
    
11.     model_path = "haarcascade_frontalface_alt2.xml"
    
12.     face_detector = cv.CascadeClassifier(model_path)  # <class 'cv2.CascadeClassifier'>
    
13.     # 使用级联分类器检测人脸
    
14.     faces = face_detector.detectMultiScale(img, scaleFactor=1.1, minNeighbors=1,
    
15.                                            minSize=(30, 30), maxSize=(300, 300))
    
16.     print(faces.shape)  # (17, 4)
    
17.     print(faces[0])  # (x, y, width, height)
    
18. 
    
19.     # 绘制人脸检测框
    
20.     for x, y, width, height in faces:
    
21.         cv.rectangle(img, (x, y), (x + width, y + height), (0, 0, 255), 2, cv.LINE_8, 0)
    
22.     # 显示图片
    
23.     cv.imshow("faces", img)
    
24.     cv.waitKey(0)
    
25.     cv.destroyAllWindows()

复制代码

【实验效果】
运行程序后，可以正确的识别，效果如下：