【Python】Python使用OpenCV识别多个人脸，并把识别到的图像存储到本地

【Python】Python使用OpenCV识别多个人脸，并把识别到的图像存储到本地

使用 OpenCV（cv2）进行人脸检测是一种常见的方法，主要依赖于预训练的 Haar 特征级联分类器或深度学习模型（如 DNN 模块）。以下是如何使用 OpenCV 进行人脸检测的详细步骤和示例代码。

一、安装依赖项

首先，确保你已经安装了 OpenCV 库：

pip install -i https://mirrors.tools.huawei.com/pypi/simple --trusted-host mirrors.tools.huawei.com opencv-python

二、使用 Haar 特征级联分类器进行人脸检测

OpenCV 提供了预训练的 Haar 特征级联分类器，可以用于人脸检测。以下是使用 Haar 特征级联分类器进行人脸检测的示例代码：

import cv2

# 加载预训练的 Haar 特征级联分类器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

# 加载图像并转换为灰度图像
image_path = 'path_to_your_image.jpg'
image = cv2.imread(image_path)
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 进行人脸检测
faces = face_cascade.detectMultiScale(gray_image, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

# 绘制检测到的人脸
for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)

# 显示图像
cv2.imshow('Detected Faces', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

三、使用 DNN 模块进行人脸检测

OpenCV 的 DNN 模块提供了更高级的深度学习模型进行人脸检测。以下是使用 DNN 模块进行人脸检测的示例代码：

3.1、下载预训练模型和配置文件

首先，下载以下预训练模型和配置文件：

你可以从以下链接下载这些文件：

3.2、示例代码

import cv2
import numpy as np
from datetime import datetime

"""
Python使用OpenCV识别多个人脸，并把识别到的图像存储到本地
"""

# 加载预训练模型和配置文件
model_file = 'res10_300x300_ssd_iter_140000.caffemodel'
config_file = 'deploy.prototxt'
net = cv2.dnn.readNetFromCaffe(config_file, model_file)

# 加载图像
image_path = 'D:/pic_video/mv3.jpg'  # 替换为自己的图像
image = cv2.imread(image_path)
(h, w) = image.shape[:2]

# 将图像转换为 blob
blob = cv2.dnn.blobFromImage(cv2.resize(image, (300, 300)), 1.0, (300, 300), (104.0, 177.0, 123.0))

# 进行人脸检测
net.setInput(blob)
detections = net.forward()

print(str(detections.shape[2]))

# 检测到的人脸计数
face_count = 0

# 绘制检测到的人脸并截取保存
for i in range(detections.shape[2]):
    confidence = detections[0, 0, i, 2]
    if confidence > 0.1305:
        box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])
        (startX, startY, endX, endY) = box.astype("int")

        # 绘制人脸边界框
        cv2.rectangle(image, (startX, startY), (endX, endY), (255, 0, 0), 2)

        # 截取人脸图像
        face_image = image[startY:endY, startX:endX]

        # 生成文件名
        timestamp = datetime.now().strftime('%Y%m%d%H%M%S')
        face_filename = f'face_{timestamp}_{face_count}.jpg'

        # 保存人脸图像
        cv2.imwrite(face_filename, face_image)

        # 增加人脸计数
        face_count += 1

# 显示检测结果图像
cv2.imshow('Detected Faces', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

作者：Tzq@2018