基于opencv的简单人脸检测实现

在深度学习领域内，人脸检测技术利用卷积神经网络进行监督式学习，而现如今广泛使用的是haar算法。

该算法基于灰度图来判断人脸，简略来说是计算区域内不同像素的灰度差别来判断区域是否是人脸。

本次实验使用opencv自包含的已经训练好的人脸检测haar模型进行简单的人脸检测实现

1.环境

python：3.8

opencv2

Anaconda3

同时在如下目录找到haar模型

Anaconda3Libsite-packagescv2datahaarcascade_frontalface_default.xml

2.代码

导入cv2模块以及测试图片

import cv2
img = cv2.imread('human.jpg')

 （图片来源网络，侵删）

detector = cv2.CascadeClassifier('E:Anaconda3Libsite-packagescv2datahaarcascade_frontalface_default.xml')
face_zone = detector.detectMultiScale(img)
for x, y, w, h in face_zone:
    cv2.rectangle(img, pt1=(x, y), pt2=(x + w, y + h), color=[0, 0, 255])

 识别效果如上

cv2.imshow('human', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

最后

以上就是殷勤天空为你收集整理的基于opencv的简单人脸检测实现的全部内容，希望文章能够帮你解决基于opencv的简单人脸检测实现所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。