這期內(nèi)容當(dāng)中小編將會(huì)給大家?guī)?lái)有關(guān)怎么在Python中利用OpenCV和Adaboost實(shí)現(xiàn)人臉識(shí)別功能，文章內(nèi)容豐富且以專業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。
首先講講需要用到的新函數(shù)：
CascadeClassifier()函數(shù),導(dǎo)入分類器
重慶分公司
重慶分公司
cv2.CascadeClassifier('xxxxx.xml')
#haarcascade_frontalface_alt.xml臉部識(shí)別文件
#haarcascade_eye.xml眼部識(shí)別文件函數(shù)的參數(shù)是xml完整路徑(具體看你的opencv安裝在哪里的，在opencv\sources\data\haarcascades下面)，xml文件中是封裝好的算法
detectMultiScale()函數(shù)，進(jìn)行識(shí)別
detectMultiScale(image,scaleFactor,minNeighbors,flags,minSize,maxSize)
最終返回值為識(shí)別出的矩陣框[x, y, w, h]，(x,y)左上角起始坐標(biāo)，w寬，h高
image:用于檢測(cè)的圖像
scaleFactor:前后兩次相繼的掃描中，搜索窗口的比例系數(shù).例如1.1指將搜索窗口依次擴(kuò)大10%。圖片小的時(shí)候，比例系數(shù)盡量小能提高準(zhǔn)確率
minNeighbors:構(gòu)成檢測(cè)目標(biāo)的相鄰矩形的最小個(gè)數(shù)。一般使用2or3，為0時(shí)返回所有的被檢候選矩形框。
rectangle()函數(shù)，在圖片上畫(huà)矩陣
cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,0),2)
image是原始圖片
(x,y)是矩形左上角
(x+w,y+h)是矩形右下角
(0,255,0)是矩形的BGR顏色, 為紅色
2, 是繪制矩形的線寬
程序邏輯：
導(dǎo)入Haar級(jí)聯(lián)分類器算法，讀入要處理圖片，將圖片變成時(shí)候的大小，用detectMultiScale()函數(shù)先識(shí)別出人臉，在原圖上框出，然后提取出識(shí)別出的人臉矩形框，在人臉矩形框內(nèi)識(shí)別出眼睛，在原圖上框出，展示出識(shí)別完的圖像。
完整程序及注解：
import cv2
face_cascade = cv2.CascadeClassifier('D:\opencv\sources\data\haarcascades/haarcascade_frontalface_alt.xml')
eye_cascade = cv2.CascadeClassifier('D:\opencv\sources\data\haarcascades/haarcascade_eye.xml')
img1 = cv2.imread('face1.png')
img = cv2.resize(img1,(240,320),interpolation=cv2.INTER_LINEAR)
faces = face_cascade.detectMultiScale(img,1.2,2)
for (x,y,w,h) in faces:
cv2.rectangle(img,(x,y),(x+w,x+h),(255,0,0),2)#用顏色為BGR（255,0,0）粗度為2的線條在img畫(huà)出識(shí)別出的矩型
face_re = img[y:y+h,x:x+w]#抽取出框出的臉部部分，注意順序y在前
eyes = eye_cascade.detectMultiScale(face_re)#在框出的臉部部分識(shí)別眼睛
for (ex,ey,ew,eh) in eyes:
cv2.rectangle(face_re,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
cv2.imshow('img',img)
key = cv2.waitKey(0)
if key==27:
cv2.destoryWindow('img')上述就是小編為大家分享的怎么在Python中利用OpenCV和Adaboost實(shí)現(xiàn)人臉識(shí)別功能了，如果剛好有類似的疑惑，不妨參照上述分析進(jìn)行理解。如果想知道更多相關(guān)知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。
