检测的一般步骤
- 加载xml级联分类器
- 读入图片
- 灰度化处理图片
- 进行检测
face_detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
img = cv2.imread("lena.jpg",1)
gray = cv2.cvtColor(img,cv2.COLOR_BGRA2GRAY)
解释:这里不进行灰度化也可以进行检测,但是灰度化后准确性会提高。
faces = face_detector.detectMultiScale(gray,1.05)
解释:detectMultiScale函数中,第一个参数为需要进行检测的图片,后面的参数为选填,返回一个faces集合,其中包含了起始点坐标及长宽信息。
for x,y,w,h in faces:
cv2.rectangle(img, (x,y),(x+w,y+h),(0,255,0),2)
完整代码如下:
import cv2
import numpy as np
img = cv2.imread("lena.jpg",1)
gray = cv2.cvtColor(img,cv2.COLOR_BGRA2GRAY)
face_detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
faces = face_detector.detectMultiScale(gray,1.05)
for x,y,w,h in faces:
cv2.rectangle(img, (x,y),(x+w,y+h),(0,255,0),2)
cv2.imshow("hunman_face",img)
cv2.waitKey()
cv2.destroyAllWindows()
结果展示:
同样,也可以进行人脸替换,代码如下,
import cv2
import numpy as np
img = cv2.imread("lena.jpg",1)
mask = cv2.imread("doge.jpeg",1)
gray = cv2.cvtColor(img,cv2.COLOR_BGRA2GRAY)
face_detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
faces = face_detector.detectMultiScale(gray,1.05)
for x,y,w,h in faces:
mask2 = cv2.resize(mask,(w,h))
img[y:y+h,x:x+w] = mask2
cv2.imshow("hunman_face",img)
cv2.waitKey()
cv2.destroyAllWindows()
结果展示: