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)
