OpenCV全称是Open source Computer Vision Library(开放源代码计算机视觉库),是一个用于图像处理、分析、机器视觉方面的开源函数库，提供了很多图像处理的工具和可以直接使用的API接口。

OpenCV自带了函数detectMultiScale()可以实现对行人和人脸的检测，实现简单，但识别效果相对较差。

行人检测

在行人检测上，OpenCV采用的是HOG(特征检测算法)+SVM算法。

import cv2

def is_inside(o,i):

ox,oy,ow,oh = o

ix,iy,iw,ih = i

return ox>ix and oy>iy and ox+ow

def draw_person(image,person):

x,y,w,h=person

cv2.rectangle(image,(x,y),(x+w,y+h),(255,0,0),2)

# 使用opencv的hog特征进行行人检测

img = cv2.imread("test.jpg")

hog = cv2.HOGDescriptor()

hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

found, w = hog.detectMultiScale(img)

print(found,w)

foundList = []

for ri,r in enumerate(found):

flag = 0

for qi,q in enumerate(found):

if ri != qi and is_inside(r,q):

flag = 1

if(flag == 0):

foundList.append(r)

for person in foundList:

draw_person(img,person)

cv2.imwrite("./test1.jpg",img)

检测效果如下：


人脸检测

在人脸检测上，OpenCV采用的是Harr特征，Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。

import cv2

# 使用人脸识别分类器

classfier = cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")

# 读取图片

image = cv2.imread("face.jpg")

# 转为灰度图

gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

faces = classfier.detectMultiScale(gray,scaleFactor=1.1,minNeighbors=5,minSize=(3,3))

print("发现{0}个人脸!".format(len(faces)))

for faceRect in faces:

x,y,w,h=faceRect

cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)

cv2.imwrite("./face1.jpg",image)

检测效果如下：