首页 > Python资料 博客日记
基于opencv[python]的人脸检测
2024-08-11 12:00:04Python资料围观64次
这篇文章介绍了基于opencv[python]的人脸检测,分享给大家做个参考,收藏Python资料网收获更多编程知识
1 图片爬虫
这里的代码转载自:http://t.csdnimg.cn/T4R4F
# 获取图片数据
import os.path
import fake_useragent
import requests
from lxml import etree
# UA伪装
head = {"User-Agent": fake_useragent.UserAgent().random}
pic_name = 0
def request_pic(url):
# 发送请求
response = requests.get(url, headers=head)
# 获取想要的数据
res_text = response.text
# 数据解析
tree = etree.HTML(res_text)
li_list = tree.xpath("//div[@class='slist']/ul/li")
for li in li_list:
# 图片的url
img_url = "https://pic.netbian.com" + "".join(li.xpath("./a/img/@src"))
# 发送请求
img_response = requests.get(img_url, headers=head)
# 获取想要的数据
img_content = img_response.content
global pic_name
with open(f"./picLib/{pic_name}.jpg", "wb") as fp:
fp.write(img_content)
pic_name += 1
if __name__ == '__main__':
# 创建存放照片的文件夹
if not os.path.exists("./picLib"):
os.mkdir("./picLib")
# 网站的url
url = "https://pic.netbian.com/4kdongman/"
request_pic(url)
for i in range(1,10):
next_url = f"https://pic.netbian.com/4kmeinv/index_{i}.html"
request_pic(next_url)
结果如图1-1所示:
图 1-1
2 基于opencv自带分类器的人脸检测
import cv2
import os
import matplotlib.pyplot as plt
# 定义人脸检测器的路径
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
# 设置图片文件夹路径
folder_path = 'picLib'
# 设置要显示的图像数量
num_to_display = 5 # 例如,只显示前4张图像
# 创建一个图形和子图
fig, axs = plt.subplots(1, num_to_display, figsize=(15, 5))
# 遍历文件夹中的前几张图片
for i in range(num_to_display):
file_name = f'{i}.jpg'
image_path = os.path.join(folder_path, file_name)
# 读取图片
img = cv2.imread(image_path)
if img is None:
print(f"Error loading image {file_name}")
continue
# 转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 检测人脸
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# 在原图上绘制矩形框
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
# 注意:OpenCV 图像是BGR,而Matplotlib 期望的是RGB,因此我们需要转换颜色通道
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 显示图像
axs[i].imshow(img_rgb)
axs[i].axis('off') # 关闭坐标轴
# 显示图形
plt.show()
运行结果如图2-1所示:
图 2-1
从这里可以清晰看到有1/3的图像没有成功检测到,后面我试试用Faster R-CNN模型,不过需要标注,数据量也大,这里先试着玩玩呗。
版权声明:本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:jacktools123@163.com进行投诉反馈,一经查实,立即删除!
标签:
相关文章
最新发布
- 光流法结合深度学习神经网络的原理及应用(完整代码都有Python opencv)
- Python 图像处理进阶:特征提取与图像分类
- 大数据可视化分析-基于python的电影数据分析及可视化系统_9532dr50
- 【Python】入门(运算、输出、数据类型)
- 【Python】第一弹---解锁编程新世界:深入理解计算机基础与Python入门指南
- 华为OD机试E卷 --第k个排列 --24年OD统一考试(Java & JS & Python & C & C++)
- Python已安装包在import时报错未找到的解决方法
- 【Python】自动化神器PyAutoGUI —告别手动操作,一键模拟鼠标键盘,玩转微信及各种软件自动化
- Pycharm连接SQL Sever(详细教程)
- Python编程练习题及解析(49题)
点击排行
- 版本匹配指南:Numpy版本和Python版本的对应关系
- 版本匹配指南:PyTorch版本、torchvision 版本和Python版本的对应关系
- Python 可视化 web 神器:streamlit、Gradio、dash、nicegui;低代码 Python Web 框架:PyWebIO
- 相关性分析——Pearson相关系数+热力图(附data和Python完整代码)
- Anaconda版本和Python版本对应关系(持续更新...)
- Python与PyTorch的版本对应
- Windows上安装 Python 环境并配置环境变量 (超详细教程)
- Python pyinstaller打包exe最完整教程