533
本篇測(cè)評(píng)由與非網(wǎng)的優(yōu)秀測(cè)評(píng)者“eefocus_3914144”提供。
本文將介紹基于米爾電子MYD-LMX93開(kāi)發(fā)板（米爾基于NXP i.MX93開(kāi)發(fā)板）的基于OpenCV的人臉檢測(cè)方案測(cè)試。
OpenCV提供了一個(gè)非常簡(jiǎn)單的接口，用于相機(jī)捕捉一個(gè)視頻(我用的電腦內(nèi)置攝像頭)
1、安裝python3-opencv
apt install python3-opencv
2、查看攝像頭支持的格式與分辨率
root@debian:~# v4l2-ctl --device=/dev/video0 --list-formats-ext
經(jīng)測(cè)試，只能支持640*480
為此建立opencv_test.py
import cv2
video = cv2.VideoCapture(0)
設(shè)置相機(jī)參數(shù)
video .set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
video .set(cv2.CAP_PROP_FRAME_HEIGHT, 720)
while True:
ret, frame = video.read()
cv2.imshow("A video", frame)
c = cv2.waitKey(1)
if c == 27:
breakvideo.release()cv2.destroyAllWindows()
保存后執(zhí)行”python3 opencv_test.py
OpenCV裝好后，可以為后面的人臉檢測(cè)提供可行性。
要實(shí)現(xiàn)人臉識(shí)別功能，首先要進(jìn)行人臉檢測(cè)，判斷出圖片中人臉的位置，才能進(jìn)行下一步的操作。
OpenCV人臉檢測(cè)方法
在OpenCV中主要使用了兩種特征（即兩種方法）進(jìn)行人臉檢測(cè)，Haar特征和LBP特征。用得最多的是Haar特征人臉檢測(cè)，此外OpenCV中還集成了深度學(xué)習(xí)方法來(lái)實(shí)現(xiàn)人臉檢測(cè)。
【參考資料】
使用OpenCV工具包成功實(shí)現(xiàn)人臉檢測(cè)與人臉識(shí)別，包括傳統(tǒng)視覺(jué)和深度學(xué)習(xí)方法（附完整代碼，模型下載......）_opencv人臉識(shí)別-CSDN博客
【Haar級(jí)聯(lián)檢測(cè)器預(yù)訓(xùn)練模型下載】
opencv/opencv: Open Source Computer Vision Library (github.com)
下載好的，在opencv-4.xdatahaarcascades文件夾下有模型，把他上傳到開(kāi)發(fā)板。
【獲取檢測(cè)人臉的圖片】
我在百度上找到了**的圖片，并把它也上傳到開(kāi)發(fā)板。
【編寫(xiě)檢測(cè)代碼】
import numpy as np
import cv2 as cv
if __name__ == '__main__':
# (6) 使用 Haar 級(jí)聯(lián)分類(lèi)器 預(yù)訓(xùn)練模型 檢測(cè)人臉
# 讀取待檢測(cè)的圖片
img = cv.imread("yanmi.jpg")
print(img.shape)
# 加載 Haar 級(jí)聯(lián)分類(lèi)器 預(yù)訓(xùn)練模型
model_path = "haarcascade_frontalface_alt2.xml"
face_detector = cv.CascadeClassifier(model_path) # <class 'cv2.CascadeClassifier'>
# 使用級(jí)聯(lián)分類(lèi)器檢測(cè)人臉
faces = face_detector.detectMultiScale(img, scaleFactor=1.1, minNeighbors=1,
minSize=(30, 30), maxSize=(300, 300))
print(faces.shape) # (17, 4)
print(faces[0]) # (x, y, width, height)
# 繪制人臉檢測(cè)框
for x, y, width, height in faces:
cv.rectangle(img, (x, y), (x + width, y + height), (0, 0, 255), 2, cv.LINE_8, 0)
# 顯示圖片
cv.imshow("faces", img)
cv.waitKey(0)
cv.destroyAllWindows()
【實(shí)驗(yàn)效果】
運(yùn)行程序后，可以正確地識(shí)別，效果如下：
