基于OPENCV的相機(jī)捕捉視頻進(jìn)行人臉檢測(cè)--米爾NXP i.MX93開發(fā)板

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開發(fā)板（米爾基于NXP i.MX93開發(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，并把它也上傳到開發(fā)板。

【編寫檢測(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：