《博主简介》
小伙伴们好,我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。
✌更多学习资源,可关注公-仲-hao:【阿旭算法与机器学习】,共同学习交流~
👍感谢小伙伴们点赞、关注!
《------往期经典推荐------》
二、机器学习实战专栏【链接】,已更新31期,欢迎关注,持续更新中~~
三、深度学习【Pytorch】专栏【链接】
四、【Stable Diffusion绘画系列】专栏【链接】
五、YOLOv8改进专栏【链接】,持续更新中~~
六、YOLO性能对比专栏【链接】,持续更新中~
《------正文------》
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)
好了,这篇文章就介绍到这里,喜欢的小伙伴感谢给点个赞和关注,更多精彩内容持续更新~~
更多干货内容,可关注文末G-Z-H: 【阿旭算法与机器学习】,欢迎共同学习交流