实战 | 18行代码轻松实现人脸实时检测【附完整代码与源码详解】Opencv、人脸检测

简介: 实战 | 18行代码轻松实现人脸实时检测【附完整代码与源码详解】Opencv、人脸检测

效果展示

引言

人脸检测是计算机视觉中的一个重要任务,主要是在图像或视频中自动识别并定位出人脸的位置。它是许多后续任务(如人脸识别、人脸属性分析、表情识别、年龄估计等)的基础。

人脸检测的应用方向极为广泛。在安防监控领域,人脸检测可以用于人员定位和跟踪,进而进行人脸识别,实现身份验证和异常行为监测。在社交媒体上,人脸检测可以自动标注照片中的人脸,进行人脸美化、动态表情生成等功能。在驾驶辅助系统中,通过检测驾驶员的脸,可以检测其是否疲劳、分心等状态,从而及时发出提醒,提高行车安全。此外,人脸检测也在无人售货机、门禁系统、人脸支付等领域发挥着重要作用。

本文将基于Opencv+CvZone实现人脸面部实时检测,并给出了完整源码与代码详细解释,供需要的小伙伴学习参考学习,如果对你有帮助,感谢点赞关注!

实现步骤详解

下面是具体步骤的实现与详细解释:

步骤1: 导入必要的库

import cvzone
from cvzone.FaceDetectionModule import FaceDetector
import cv2
  • cvzone: 提供额外的OpenCV辅助功能,如文本绘制、形状绘制等。
  • cvzone.FaceDetectionModule: 特定于人脸检测的模块。
  • cv2: OpenCV库,用于图像和视频处理。

步骤2: 初始化摄像头

cap = cv2.VideoCapture(0)
  • cv2.VideoCapture(0): 初始化视频捕获对象,参数0代表默认摄像头(通常是内置摄像头)。

步骤3: 创建FaceDetector对象

detector = FaceDetector(minDetectionCon=0.5, modelSelection=0)
  • FaceDetector: 创建一个用于人脸检测的对象。
  • minDetectionCon=0.5: 设置人脸检测的最小置信度阈值为0.5。
  • modelSelection=0: 选择短距离检测模型(适合2米以内)。

步骤4: 实时人脸检测循环

进入一个无限循环,不断从摄像头读取帧。使用FaceDetector检测当前帧中的人脸,并更新图像。如果检测到人脸,遍历每个边界框并获取相关数据,如中心点、边界框坐标、识别置信度。在图像上绘制人脸中心的圆圈、识别置信度的文本以及人脸边界框。

while True:
    success, img = cap.read()
    img, bboxs = detector.findFaces(img, draw=False)
    
    if bboxs:
        for bbox in bboxs:
            center = bbox["center"]
            x, y, w, h = bbox['bbox']
            score = int(bbox['score'][0] * 100)
            
            cv2.circle(img, center, 5, (255, 0, 255), cv2.FILLED)
            cvzone.putTextRect(img, f'{score}%', (x, y - 15), border=5)
            cvzone.cornerRect(img, (x, y, w, h))
  • cap.read(): 读取摄像头的一帧图像。
  • detector.findFaces(): 在图像中检测人脸,draw=False表示不直接在图像上绘制检测结果。
  • 对于检测到的每个人脸:
    提取并使用中心点、边界框信息。
    计算并显示识别置信度。
    使用cv2.circle, cvzone.putTextRect, cvzone.cornerRect在图像上绘制人脸检测结果。

步骤5: 显示图像

cv2.imshow("Image", img)
cv2.waitKey(1)
  • cv2.imshow(“Image”, img): 在名为"Image"的窗口显示处理过的图像。
  • cv2.waitKey(1): 暂停程序执行,等待1毫秒。

完整源码

这段代码整体实现了从摄像头获取实时视频流,进行人脸检测,并在检测到的人脸上绘制边界框、置信度分数和中心点标记的过程。

# 导入必要的库
import cvzone
from cvzone.FaceDetectionModule import FaceDetector
import cv2
# 初始化摄像头
# '2' 表示连接到计算机的第三个摄像头,通常 '0' 指的是内置摄像头
cap = cv2.VideoCapture(0)
# 初始化FaceDetector对象
# minDetectionCon: 最小检测置信度阈值
# modelSelection: 0 表示短距离检测(2米),1 表示长距离检测(5米)
detector = FaceDetector(minDetectionCon=0.5, modelSelection=0)
# 循环获取摄像头帧
while True:
    # 从摄像头读取当前帧
    # success: 布尔值,表示是否成功捕获了帧
    # img: 捕获的帧
    success, img = cap.read()
    # 在图像中检测人脸
    # img: 更新后的图像
    # bboxs: 检测到的人脸边界框列表
    img, bboxs = detector.findFaces(img, draw=False)
    # 如果检测到人脸
    if bboxs:
        # 遍历每个边界框
        for bbox in bboxs:
            # bbox 包含 'id', 'bbox', 'score', 'center'
            # ---- 获取数据 ---- #
            center = bbox["center"]  # 中心点坐标
            x, y, w, h = bbox['bbox']  # 边界框坐标和大小
            score = int(bbox['score'][0] * 100)  # 识别置信度(百分比)
            # ---- 绘制数据 ---- #
            cv2.circle(img, center, 5, (255, 0, 255), cv2.FILLED)  # 画出圆形标记人脸中心
            cvzone.putTextRect(img, f'{score}%', (x, y - 15), border=5)  # 显示识别置信度文本
            cvzone.cornerRect(img, (x, y, w, h))  # 画出矩形框
    # 在名为'Image'的窗口中显示图像
    cv2.imshow("Image", img)
    # 等待1毫秒
    cv2.waitKey(1)


相关文章
|
2天前
|
Ubuntu 编译器 计算机视觉
Ubuntu系统下编译OpenCV4.8源码
在Ubuntu上源码安装OpenCV 4.8分为三步:1) 下载源码包,使用`wget`命令;2) 安装依赖,如`g++`, `cmake`, `make`等;3) 创建编译目录,运行`cmake`配置,接着`make`编译,最后`sudo make install`安装。安装完成后,通过编写和运行一个简单的OpenCV C++程序来验证环境配置正确性。
27 10
|
27天前
|
存储 编解码 算法
【Qt&OpenCV 检测图像中的线/圆/轮廓 HoughLinesP/HoughCircles/findContours&drawContours】
【Qt&OpenCV 检测图像中的线/圆/轮廓 HoughLinesP/HoughCircles/findContours&drawContours】
33 0
|
1月前
|
机器学习/深度学习 算法 数据库
【功能超全】基于OpenCV车牌识别停车场管理系统软件开发【含python源码+PyqtUI界面+功能详解】-车牌识别python 深度学习实战项目
【功能超全】基于OpenCV车牌识别停车场管理系统软件开发【含python源码+PyqtUI界面+功能详解】-车牌识别python 深度学习实战项目
|
1月前
|
计算机视觉 Python
实战| 手把手教你实现俯卧撑实时计数:OpenCV+MediaPipe
实战| 手把手教你实现俯卧撑实时计数:OpenCV+MediaPipe
|
1月前
|
算法 数据处理 计算机视觉
基于OpenCV的人脸对齐步骤详解及源码实现
基于OpenCV的人脸对齐步骤详解及源码实现
|
1月前
|
机器学习/深度学习 算法 数据可视化
基于OpenCV的人脸检测软件(含Python源码+UI界面+图文详解)
基于OpenCV的人脸检测软件(含Python源码+UI界面+图文详解)
|
3天前
|
机器学习/深度学习 XML 计算机视觉
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习库,它提供了大量的函数和工具,用于处理图像和视频数据。
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习库,它提供了大量的函数和工具,用于处理图像和视频数据。
6 0
|
27天前
|
算法 计算机视觉
【Qt&OpenCV 图像的感兴趣区域ROI】
【Qt&OpenCV 图像的感兴趣区域ROI】
23 1
|
27天前
|
运维 算法 计算机视觉
【Qt&OpenCV 图像的模板匹配 matchTemplate/minMaxLoc】
【Qt&OpenCV 图像的模板匹配 matchTemplate/minMaxLoc】
20 1
|
1月前
|
计算机视觉
OpenCV中图像算术操作与逻辑操作
OpenCV中图像算术操作与逻辑操作
36 1