下面是完整的Python结合OpenCV实现人脸检测与跟踪的攻略。
在开始之前,我们需要确认环境中已经安装好了Python和OpenCV库。可以使用以下命令检查:
python --version
pip install opencv-python
在OpenCV中,可以使用haar级联分类器检测人脸。首先,我们需要下载已经训练好的人脸检测器,可以从官方网站下载。这里我们选择使用haarcascade_frontalface_default.xml
文件。
import cv2
# 加载分类器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 加载图片
img = cv2.imread('img.jpg')
# 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)
# 绘制矩形框
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
# 显示结果
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
运行以上代码,即可检测出图片中的人脸并绘制矩形框。
在本节中,我们将使用KCF算法实现人脸跟踪。首先,我们需要对每个检测到的人脸创建跟踪器对象。
import cv2
# 加载分类器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 加载视频
cap = cv2.VideoCapture(0)
# 获取第一帧并确定人脸位置
ret, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# 创建跟踪器列表
trackers = cv2.MultiTracker_create()
# 创建跟踪器对象
for (x, y, w, h) in faces:
tracker = cv2.TrackerKCF_create()
trackers.add(tracker, frame, (x, y, w, h))
# 循环处理视频帧
while True:
# 读取帧并转换为灰度图
ret, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 更新跟踪器并绘制矩形框
for tracker in trackers.getObjects():
success, bbox = tracker.update(frame)
if success:
x, y, w, h = [int(i) for i in bbox]
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
# 显示结果
cv2.imshow('frame', frame)
# 按下Esc键退出循环
if cv2.waitKey(1) & 0xFF == 27:
break
# 释放资源
cap.release()
cv2.destroyAllWindows()
运行以上代码,即可在视频中实现人脸跟踪。
以上就是Python结合OpenCV实现人脸检测与跟踪的完整攻略,希望能对你有所帮助。