使用 OpenCV 和 Python 检测人脸的一种非常流行且简单的方法
步骤 01
我为此使用 Google Colab，首先，请确保你已安装 OpenCV。你可以使用 pip 安装它：
pip install opencv－python
步骤 02
请确保这些库已经安装。
import cv2
pip install numpy
pip install matplotlib
步骤 03
在检测人脸之前，我们必须使用 Google Colab 打开网络摄像头。
from google．colab．patches import cv2＿imshow
步骤 04
运行这两个代码后，网络摄像头打开，你可以拍张照片。
from IPython．display import display， Javascript
from google．colab．output import eval＿js
from base64 import b64decode
def take＿photo（filename＝＇photo．jpg＇， quality＝0．8）：
js ＝ Javascript（＇＇＇
async function takePhoto（quality） ｛
const div ＝ document．createElement（＇div＇）；
const capture ＝ document．createElement（＇button＇）；
capture．textContent ＝ ＇Capture＇；
div．appendChild（capture）；
const video ＝ document．createElement（＇video＇）；
video．style．display ＝ ＇block＇；
const stream ＝ await navigator．mediaDevices．getUserMedia（｛video： true｝）；
document．body．appendChild（div）；
div．appendChild（video）；
video．srcObject ＝ stream；
await video．play（）；
／／ Resize the output to fit the video element．
google．colab．output．setIframeHeight（document．documentElement．scrollHeight， true）；
／／ Wait for Capture to be clicked．
await new Promise（（resolve） ＝＞ capture．onclick ＝ resolve）；
const canvas ＝ document．createElement（＇canvas＇）；
canvas．width ＝ video．videoWidth；
canvas．height ＝ video．videoHeight；
canvas．getContext（＇2d＇）．drawImage（video， 0， 0）；
stream．getVideoTracks（）［0］．stop（）；
div．remove（）；
return canvas．toDataURL（＇image／jpeg＇， quality）；
｝
＇＇＇）
display（js）
data ＝ eval＿js（＇takePhoto（｛｝）＇．format（quality））
binary ＝ b64decode（data．split（＇，＇）［1］）
with open（filename， ＇wb＇） as f：
f．write（binary）
return filename
from IPython．display import Image
try：
filename ＝ take＿photo（）
print（＇Saved to ｛｝＇．format（filename））
＃ Show the image which was just taken．
display（Image（filename））
except Exception as err：
＃ Errors will be thrown if the user does not have a webcam or if they do not
＃ grant the page permission to access it．
print（str（err））
照片保存为 photo．jpg。
photo．jpg
使用 Haar 级联的人脸检测是一种基于机器学习的方法，其中使用一组输入数据训练级联函数。OpenCV 已经包含许多针对面部、眼睛、微笑等的预训练分类器。今天我们将使用面部分类器。你也可以尝试使用其他分类器。
要检测图像中的人脸：
步骤 05
import cv2
img ＝ cv2．imread（＇photo．jpg＇）
gray＿img＝cv2．cvtColor（img，cv2．COLOR＿BGR2GRAY）
face＿cascade ＝ cv2．CascadeClassifier（cv2．data．haarcascades ＋ ＇haarcascade＿frontalface＿default．xml＇）
eye＿cascade ＝ cv2．CascadeClassifier（cv2．data．haarcascades ＋ ＇haarcascade＿eye．xml＇）
nose＿cascade ＝ cv2．CascadeClassifier（cv2．data．haarcascades ＋ ＇haarcascade＿nose．xml＇）
＃ detect all the faces in the image
faces ＝ face＿cascade．detectMultiScale（gray＿img，1．1，4）
＃ print the number of faces detected
print（f＂｛len（faces）｝ faces detected in the image．＂）
对于每个人脸，绘制一个绿色矩形：
步骤 06
for x， y， width， height in faces：
cv2．rectangle（img， （x， y）， （x ＋ width， y ＋ height）， color＝（0， 255， 0）， thickness＝2）
用矩形保存图像：
步骤 07
＃ save the image with rectangles
cv2．imwrite（＂photo＿detected．jpg＂， img）
转到文件 photo＿detected．jpg 并打开 。
结果：
photo＿detected．jpg
原文标题 : 使用 OpenCV 进行人脸检测
