导语：
本文主要介绍了关于python中OpenCV的人脸检测功能的相关知识，包括opencv 人脸检测 python，以及opencv做人脸识别这些编程知识，希望对大家有参考作用。
人脸检测是OpenCV的一个非常好的特性，它是人脸识别的基础。人脸识别本质上是一种程序，可以识别给定图像或视频中的人脸。
人脸识别模块特征
1. 它用一系列分类图像“训练”程序，并根据这些图像进行识别。这是使用 OpenCV 及其人脸识别模块进行人脸识别的过程。
2. 每次识别都有一个转换后的置信度分数，因此在实际应用中可以通过对其设置阈值进行过滤。
人脸识别两种方式
1. 自行获取图像或从人脸数据库免费获取可用的人脸图像。
2、互联网上有很多人脸数据库：为了对这些样本进行人脸识别，需要对包含人脸的样本图像进行人脸识别。这是一个学习过程，但不如你自己提供的图像那么令人满意。
python中OpenCV的人脸检测功能操作实例
import os
import cv2
from PIL import Image
import numpy as np
def getImageAndLabels(path):
facesSamples = []
ids = []
imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
# 检测人脸
# 加载特征数据
face_detector = cv2.CascadeClassifier(
'D:/Python/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
# 参数： scaleFactor(比例因子)：图片缩放多少，minNeighbors:至少检测多少次，minSize maxSize:当前检测区域的最小面积
# scaleFactor=1.01, minNeighbors=3, maxSize=(33, 33), minSize=(28, 28)
# 遍历列表中的图片
for imagePath in imagePaths:
# 打开当前图片
PIL_img = Image.open(imagePath).convert('L')
# 将图片转化为数组
img_numpy = np.array(PIL_img, 'uint8')
faces = face_detector.detectMultiScale(img_numpy)
# 获取每张图片的id
id = int(os.path.split(imagePath)[1].split('.')[0])
# 获取人脸区域
for x, y, w, h in faces:
# 进行切片处理,获取图像数组和id
facesSamples.append(img_numpy[y:y+h, x:x+w])
ids.append(id)
return facesSamples, ids
if __name__ == '__main__':
# 图片路径
path = './data/jm/'
# 获取图像数组和id标签数组
faces, ids = getImageAndLabels(path)
# 获取循环对象
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.train(faces, np.array(ids))
# 保存文件
recognizer.write('trainer/trainer.yml')本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈