在本文中，我们将了解如何使用 OpenCV 和 Python 模糊和匿名化人脸。
为此，我们将使用级联分类器来检测人脸。确保从这个链接下载相同的xml文件：
方法
- 首先，我们使用内置的人脸检测算法，从实时视频或图像中检测人脸。在这里，我们将使用级联分类器方法从实时视频（使用网络摄像头）中检测人脸。
- 然后，读取来自实时视频的帧。存储最新的帧并转换为灰度，以更好地理解特征。
- 现在，为了使输出美观，我们将在检测到的人脸周围制作一个彩色边框矩形。但是，我们希望检测到的人脸是模糊的，所以我们使用中值模糊函数来做同样的事情，并提到应该模糊人脸的区域。
- 而且，现在我们想要显示模糊的脸，使用 imshow 函数读取的帧，我们希望它被显示，直到我们按下一个键。
分步实施：
步骤 1： 导入人脸检测算法，称为级联分类器。
import cv2 # 检测人脸 cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
步骤 2： 从视频中捕获帧，以便从帧中检测人脸
video_capture = cv2.VideoCapture(0) while True: # 从视频中捕获最新的帧 check, frame = video_capture.read()
步骤 3： 将捕获的帧更改为灰度。
# 将帧转换为灰度（黑白阴影） gray_image = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) face = cascade.detectMultiScale(gray_image, scaleFactor=2.0, minNeighbors=4)
步骤 4： 在检测到的人脸周围绘制一个彩色矩形。
for x, y, w, h in face: # 在检测到的人脸周围绘制边框 # （此处边框颜色为绿色，粗细为3） image = cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 3)
步骤 5： 模糊矩形内的部分（包含检测到的人脸）。
# 模糊矩形中的人脸 image[y:y+h, x:x+w] = cv2.medianBlur(image[y:y+h, x:x+w], 35)
步骤 6： 显示最终输出，即检测到的人脸（矩形内）是模糊的。
# 在视频中显示模糊的脸 cv2.imshow('face blurred', frame) key = cv2.waitKey(1)
下面是完整的实现：
import cv2 # 检测人脸 cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml") # VideoCapture 是一个函数，用于捕获来自连接到系统的摄像头的视频 # 你可以传递 0 或 1 # 0 用于笔记本电脑网络摄像头 # 1 用于外部网络摄像头 video_capture = cv2.VideoCapture(0) # 一个while循环运行无限次，为视频捕获无限数量的帧，因为视频是帧的组合 while True: # 从视频中捕获最新的帧 check, frame = video_capture.read() # 将帧转换为灰度（黑白阴影） gray_image = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 在捕获的帧中检测多个人脸 # scaleFactor：参数指定在每个图像比例下图像尺寸减小多少。 # minNeighbors: 参数指定每个矩形应该有多少个邻居来保留它。 # 矩形包含检测对象。 # 这里的对象是人脸。 face = cascade.detectMultiScale( gray_image, scaleFactor=2.0, minNeighbors=4) for x, y, w, h in face: # 在检测到的人脸周围绘制边框。 #（这里边框颜色为绿色，粗细为3） image = cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 3) # 模糊矩形中的人脸 image[y:y+h, x:x+w] = cv2.medianBlur(image[y:y+h, x:x+w], 35) # 在视频中显示模糊的脸 cv2.imshow('face blurred', frame) key = cv2.waitKey(1) # 该语句每帧仅运行一次。 # 基本上，如果我们得到一个密钥，而那个密钥是一个 q if key == ord('q'): break # 我们将暂停退出 while 循环， # 然后运行： video_capture.release() cv2.destroyAllWindows()
输出：
