python调用OpenCV实现人脸识别功能-6ren

python调用OpenCV实现人脸识别功能

转载作者：qq735679552 更新时间：2022-09-27 22:32:09

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章python调用OpenCV实现人脸识别功能由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

Python调用OpenCV实现人脸识别，供大家参考，具体内容如下。

硬件环境:

Win10 64位。

软件环境:

Python版本：2.7.3 。

IDE：JetBrains PyCharm 2016.3.2 。

Python库:

1.1) opencv-python(3.2.0.6) 。

搭建过程:

OpenCV Python库:

1. PyCharm的插件源中选择opencv-python(3.2.0.6)库安装。

题外话：Python入门Tips 。

PS1：如何安装whl文件。

1.先安装PIP 。

2.CMD命令进入D:\Python27\Scripts里面后再执行PIP命令安装pip install wheel 如果提示'pip'不是内部或外部命令，也不是可运行的程序或批处理文件： ①将python安装目录下的scripts目录（例如D:\Python27\Scripts）添加到系统环境变量path里，注意前加分号。再执行该命令 pip install wheel ②在cmd下进入到D:\Python27\Scripts目录下执行该命令 pip install wheel 。

3.把文件最好放在\Script文件夹里面再pip install xxxx.whl 。

4.注意whl文件名不能改必须一模一样和原名。

PS2：到哪找.whl文件?

相关代码:

 
    ? 
   
 
     
       
       
         import 
         cv2 
        
 
         import 
         numpy as np 
        

            
        
 
         cv2.namedWindow( 
         "test" 
         )  
         # Create a window 
        
 
         cap  
         = 
         cv2.VideoCapture( 
         0 
         )  
         #Open camera one 
        
 
         success, frame  
         = 
         cap.read()  
         #Read one frame 
        

            
        
 
         print 
         ( 
         "Camera open operation is: " 
         , success); 
        
 
         color  
         = 
         ( 
         255 
         , 
         0 
         , 
         0 
         )  
         #Config the color 
        
 
         classfier  
         = 
         cv2.CascadeClassifier( 
         "Resources\haarcascade_frontalface_alt.xml" 
         ) 
        

            
        
 
         #Make sure this xml file is in the same directory with py file 
        
 
         #Otherwise change it to absolute directory. This xml file can be found in D:\My  
        

            
        
 
         Documents\Downloads\opencv\sources\data\haarcascades 
        

            
        
 
         while 
         success: 
        
 
            
         success, frame  
         = 
         cap.read() 
        
 
            
         size  
         = 
         frame.shape[: 
         2 
         ]  
         # 
        
 
            
         image  
         = 
         np.zeros(size, dtype  
         = 
         np.float16)  
         # 
        
 
            
         image  
         = 
         cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  
         # 
        
 
            
         cv2.equalizeHist(image, image)  
         # 
        
 
            
         #Below three lines config the minimal image size 
        
 
            
         divisor  
         = 
         8 
        
 
            
         h, w  
         = 
         size 
        
 
            
         minSize  
         = 
         (( 
         int 
         )(w 
         / 
         divisor), ( 
         int 
         )(h 
         / 
         divisor)) 
        
 
            
         faceRects  
         = 
         classfier.detectMultiScale(image,  
         1.2 
         ,  
         2 
         , cv2.CASCADE_SCALE_IMAGE, minSize)  
         #Face detect 
        
 
            
         if 
         len 
         (faceRects) >  
         0 
         : 
         #If face array length > 0 
        
 
              
         for 
         faceRect  
         in 
         faceRects:  
         #Draw a rectangle for every face 
        
 
                  
         xf, yf, wf, hf  
         = 
         faceRect 
        
 
                  
         x  
         = 
         int 
         (( 
         float 
         )(xf)) 
        
 
                  
         y  
         = 
         int 
         (( 
         float 
         )(yf)) 
        
 
                  
         w  
         = 
         int 
         (( 
         float 
         )(wf)) 
        
 
                  
         h  
         = 
         int 
         (( 
         float 
         )(hf)) 
        
 
                  
         cv2.rectangle(frame, (x, y), (x  
         + 
         w, y  
         + 
         h), color) 
        
 
                  
         cv2.circle(frame, (( 
         int 
         )(x  
         + 
         1.2 
         * 
         w  
         / 
         4 
         ), ( 
         int 
         )(y  
         + 
         h  
         / 
         3 
         )),  
         min 
         (( 
         int 
         )(w  
         / 
         8 
         ), ( 
         int 
         )(h  
         / 
         8 
         )), ( 
         255 
         ,  
         0 
         ,  
         0 
         )) 
        
 
                  
         cv2.circle(frame, (( 
         int 
         )(x  
         + 
         2.8 
         * 
         w  
         / 
         4 
         ), ( 
         int 
         )(y  
         + 
         h  
         / 
         3 
         )),  
         min 
         (( 
         int 
         )(w  
         / 
         8 
         ), ( 
         int 
         )(h  
         / 
         8 
         )), ( 
         255 
         ,  
         0 
         ,  
         0 
         )) 
        
 
                  
         #cv2.rectangle(frame, ((int)(x + 3 * w / 8, (int)(y + 3 * h / 4))), ((int)(x + 5 * w / 8), (int)(y + 7 * h / 8)), (255, 0, 0)) 
        
 
            
         cv2.imshow( 
         "test" 
         , frame)  
         #Display image 
        

            
        
 
            
         key  
         = 
         cv2.waitKey( 
         10 
         ) 
        
 
            
         c  
         = 
         chr 
         (key &  
         255 
         ) 
        
 
            
         if 
         c  
         in 
         [ 
         'q' 
         ,  
         'Q' 
         ,  
         chr 
         ( 
         27 
         )]: 
        
 
              
         break 
        

            
        
 
         cv2.destroyWindow( 
         "test" 
         ) 
        
 
     
 
   

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我.

原文链接：https://blog.csdn.net/jgw2008/article/details/78501009 。

最后此篇关于python调用OpenCV实现人脸识别功能的文章就讲到这里了,如果你想了解更多关于python调用OpenCV实现人脸识别功能的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！。

文章推荐：使用matplotlib画散点图的方法

文章推荐： SQL Server 数据库清除日志的方法

文章推荐： sqlserver2005自动创建数据表和自动添加某个字段索引

文章推荐： matplotlib subplots 设置总图的标题方法

c# - 人脸、情感和语音识别
我正在寻找一种用C# 编写的人脸、情感和语音识别方法。对于人脸识别，我早期使用的是 Emgu CV，它不准确，而且在弱光条件下性能非常低。我还需要找到用户的情绪。不管是悲伤还是快乐。但我发现使用 Em
arkit - RealityKit - 人脸 anchor
我正在尝试使用 Apple 的 ARKit 3.0(Reality Kit)设置面部 anchor 但失败了。1. 以前只支持前置摄像头。现在还是这样吗？2.如何让Reality Kit的ARView
android - Microsoft Android 人脸 API 错误
当我调试人脸 API 时抛出以下错误。 UnknownHostException@830035410936}“java.net.UnknownHostException:无法解析主机“api.proj
azure - Microsoft 认知 - 人脸 API - 人脸验证 - 工作原理
用例如下我们的系统中有面孔列表用户将上传一张图片我们希望显示与上传图像匹配的面孔列表，例如置信度 >0.8 现在查看how to ，我的理解如下使用人脸检测API，我们需要首先上传所有图像，包
azure - Microsoft 认知 - 人脸 API - 人脸验证 - 工作原理
用例如下我们的系统中有面孔列表用户将上传一张图片我们希望显示与上传图像匹配的面孔列表，例如置信度 >0.8 现在查看how to ，我的理解如下使用人脸检测API，我们需要首先上传所有图像，包
python - 使用 Python 和 Open CV 平滑二进制图像(人脸)的边缘
我正在寻找一种完美的方法来平滑二进制图像的边缘。问题是二值图像似乎是一个阶梯状的边界，这对我进一步的掩蔽过程来说非常不愉快。我附加了一个原始二进制图像，该图像将被转换为平滑边缘，并且我还提供了预期的
java - 用于图片类型检测的免费 java 库(人、动物、人脸、 body 、人像、风景……)
我需要一个 java 库来确定哪个图像是“人体”；这是一张“人脸”；这是一个“动物”；这是一个“风景”等等。有这样的东西吗？谢谢最佳答案我不认为那里有什么方便的东西。特别是因为你在这里有非常广
javascript - 在 JS 中使用 Cordova 相机插件和 MS-认知服务进行人脸检测(人脸 API 调用)
自从过去 2 天以来，我一直在努力弄清楚出了什么问题？我正在使用 Microsoft 认知服务开发用于人脸识别的 Cordova android 应用程序。为了拍摄图像，我使用了 Cordova Ca

qq735679552

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

python调用OpenCV实现人脸识别功能