使用OpenCV进行人脸检测和戴墨镜特效实战（附Python源码）

布满荆棘的人生 2023-09-30 19:03 50阅读 0赞

>  **需要源码和图片请点赞关注收藏后评论区留言私信~~~**

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，也是计算机视觉重点发展的技术。机器学习算法诞生之后，计算机可以通过摄像头等输入设备自动分析图像中包含的内容信息，随着技术的不断发展，现在已经有了多种人脸识别的算法

## 一、级联分类器 ##

将一系列简单的分类器按照一定顺序级联到一起就构成了级联分类器，使用级联分类器的程序可以通过一系列简单的判断来对样本进行识别

opencv提供了一些已经训练好的级联分类器，这些级联分类器以XML文件的方式保存在路径下面

![8faef2fc53ee483f9915d7bb37b8f989.png][]

部分级联分类器XML的功能如下图![14854e9a8f344f8db30ea7654a516607.png][]

想要实现哪种图像检测，就要在程序启动时加载对应的级联分类器，下面介绍如何加载并使用这些XML文件

Opencv实现人脸检测需要两步操作：加载级联分类器和使用分类器识别图像，语法如下

> <CascadeClassifier object>=cv2.CascadeClassifier(filename)
> 
> filename 级联分类器的XML文件名
> 
> object 分类器对象

然后使用已经创建好的分类器对图像进行识别，这个过程需要调用分类器对象的detectMultScale（）方法，语法如下

> objects=cascade.detectMultiScale(image,scaleFactor,minNeighbors,flags,minSize,maxSize)
> 
> image 待分析的图像
> 
> scaleFactor 可选参数 扫描时的缩放比例

下面进行人脸位置检测实战 检测到人脸则绘制红框

![4e2e0557e76547e19adc1298e6da3355.png][]

可见可以清晰的检测出人脸位置 部分代码如下

import cv2
    
    img = cv2.imread("model.png")  # 读取人脸图像
    # 加载识别人脸的级联分类器
    faceCascade = cv2.CascadeClassifier("cascades\\haarcascade_frontalface_default.xml")
    faces = .detectMuale(img, 1.3)  # 识别出所有人脸
    for (x, y, w) aces:  # 遍历所有人脸的区域
        cv2.rectngle(imgx, ), (x + w, y + h), (0, 0, 255), 5)  # 在图像中人脸的位置绘制方框
    cv2.imshow("img", img)  # 显示最终处理的效果
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

实战2：戴墨镜特效

手机拍照软件自带各种各样的贴图特效，实际上这些贴图特效就是先定位了人脸位置，然后在人脸相应位置覆盖素材实现的，opencv也可以实现这个功能，分为以下三个步骤

1：编写一个覆盖图片的方法，因为素材中可能包含透明像素，这些透明像素不可以遮挡人脸，所以在覆盖图像时要做判断，忽略所有透明像素，判断一个像素是否为透明像素，只需要三通道转换为四通道，然后判断四通道的alpha值，1表示完全不透明，0表示完全透明

2：创建人脸识别级联分类器，分析图像中的人脸区域

3：把墨镜图像按照人脸宽度进行缩放，并覆盖到人脸大约三分之一的位置

效果如下

![7d49d64aa07e41c19921b55e9fb6b8af.png][]

部分代码如下

import cv2
    
    # 覆盖图像
    def oerl_img(img, img_over, img_over_x, img_over_y):
        ""
        覆盖图像
        :aram img: 背景图像
        :param img_over: 覆盖的图像
        :par img_over_x: 覆盖图像在背景图像上的横坐标
        :param img_over_y: 覆盖图像在背景图像上的纵坐标
        :return: 两张图像合并之后的图像
        """
        img_h, img_w, img_p = img.shape  # 背景图像宽、高、通道数
        img_over_h, img_over_w, img_over_c = img_over.shape  # 覆盖图像高、宽、通道数
        if img__c == 3:   通道数小于等于3
            img_over = cv2.cvtColor(img_over, cv2.COLOR_BGR2BGRA)  # 转换成4通道图像
        for w in range( img_over_w):  # 遍历列
            for h in rnge(0, img_over_h):  # 遍历行
                if img_over[h, w, 3] != 0:  # 如果不是全透明的像素
                    for c inange(0, 3):  # 遍历三个通道
                        x = img_er_x + w  # 覆盖像素的横坐标
                        y = img_over_y + h  # 覆盖像素的纵坐标
                        if x >= img_w or y >= img_h:  # 如果坐标超出最大宽高
                            break  # 不做操作
                        img[y, x, c] = img_over[h, w, c]  # 覆盖像素
        return img  # 完成覆盖的图像
    
    face_img = cv2.imread("peoples.png")  # 读取人脸图像
    glass_img = cv2.imread("glass.png", cv2.IMREAD_UNCHANGED)  # 读取眼镜图像，保留图像类型
    height, width, channel = glass_img.shape  # 获取眼镜图像高、宽、通道数
    # 加载级联分类器
    garyframe = cv2.cvtCoorface_img, cv2.COLOR_BGR2GRAY)  # 转为黑白图像
    faces = face_cascde.detectMultiScale(garyframe, 1.3, 5)  # 识别人脸
    for (x, y, w, h n faces:  # 遍历所有人脸的区域
        gw = w  # 眼镜缩放之后的宽度
        gh = ineight * w / width)  # 眼镜缩放之后的高度度
        glass_img = cv2.resize(glass_img, (gw, gh))  # 按照人脸大小缩放眼镜
        overlay_img(face_img, glass_img, x, y + int(h * 1 / 3))  # 将眼镜绘制到人脸上
    cv2.imshow("screen", face_img)  # 显示最终处理的效果
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

**创作不易 觉得有帮助请点赞关注收藏~~~**

[8faef2fc53ee483f9915d7bb37b8f989.png]: https://img-blog.csdnimg.cn/8faef2fc53ee483f9915d7bb37b8f989.png
[14854e9a8f344f8db30ea7654a516607.png]: https://img-blog.csdnimg.cn/14854e9a8f344f8db30ea7654a516607.png
[4e2e0557e76547e19adc1298e6da3355.png]: https://img-blog.csdnimg.cn/4e2e0557e76547e19adc1298e6da3355.png
[7d49d64aa07e41c19921b55e9fb6b8af.png]: https://img-blog.csdnimg.cn/7d49d64aa07e41c19921b55e9fb6b8af.png