这篇教程手把手教你利用opencv实现人脸识别功能（附源码+文档）写得很实用，希望能帮到您。
一、环境pip install opencv-python python3.9 pycharm2020 人狠话不多，直接上代码，注释在代码里面，不说废话。
二、使用Haar级联进行人脸检测测试案例： 
代码：（记得自己到下载地址下载对应的xml） # coding=gbk"""作者：川川@时间 : 2021/9/5 16:38https://github.com/opencv/opencv/tree/master/data/haarcascades"""import cv2# 待检测的图片路径imagepath="2.jpg"image = cv2.imread(imagepath)#读取图片gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)#图像转换为灰度图：face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')#加载使用人脸识别器faces = face_cascade.detectMultiScale(gray)#检测图像中的所有面孔#为每个人脸绘制一个蓝色矩形for x, y, width, height in faces: # 这里的color是 蓝 黄 红，与rgb相反，thickness设置宽度 cv2.rectangle(image, (x, y), (x + width, y + height), color=(255, 0, 0), thickness=2)# 最后，让我们保存新图像cv2.imwrite("beauty_detected.jpg", image)效果： 
效果可以看出这个效果并不是很好。
三、Haar级联结合摄像头代码：（还是用的前面得xml） # coding=gbk"""摄像头人脸识别作者：川川@时间 : 2021/9/5 17:15Haar级联结合摄像头"""import cv2#创建新的cam对象cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)#初始化人脸识别器（默认的人脸haar级联）face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')while True: # 从摄像头读取图像 _, image = cap.read() # 转换为灰度 image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 检测图像中的所有人脸 faces = face_cascade.detectMultiScale(image_gray, 1.3, 5) # 为每个人脸绘制一个蓝色矩形 for x, y, width, height in faces: cv2.rectangle(image, (x, y), (x + width, y + height), color=(255, 0, 0), thickness=2) cv2.imshow("image", image) if cv2.waitKey(1) == ord("q"): breakcap.release()cv2.destroyAllWindows()效果： 
四、使用SSD的人脸检测代码： # coding=gbk"""图片人脸识别作者：川川@时间 : 2021/9/5 17:22"""import cv2import numpy as np# 下载链接：https://raw.githubusercontent.com/opencv/opencv/master/samples/dnn/face_detector/deploy.prototxtprototxt_path = r"./deploy.prototxt.txt"# 下载链接：https://raw.githubusercontent.com/opencv/opencv_3rdparty/dnn_samples_face_detector_20180205_fp16/res10_300x300_ssd_iter_140000_fp16.caffemodelmodel_path =r"./res10_300x300_ssd_iter_140000_fp16.caffemodel"model = cv2.dnn.readNetFromCaffe(prototxt_path, model_path)image = cv2.imread("2.jpg")h, w = image.shape[:2]blob = cv2.dnn.blobFromImage(image, 1.0, (300, 300),(104.0, 177.0, 123.0))model.setInput(blob)output = np.squeeze(model.forward())font_scale = 1.0for i in range(0, output.shape[0]): confidence = output[i, 2] if confidence > 0.5: box = output[i, 3:7] * np.array([w, h, w, h]) start_x, start_y, end_x, end_y = box.astype(np.int) cv2.rectangle(image, (start_x, start_y), (end_x, end_y), color=(255, 0, 0), thickness=2) cv2.putText(image, f"{confidence*100:.2f}%", (start_x, start_y-5), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (255, 0, 0), 2)cv2.imshow("image", image)cv2.waitKey(0)cv2.imwrite("beauty_detected.jpg", image)效果： 
我们可以看到现在的识别效果非常好了。
五、 SSD结合摄像头人脸检测代码： # coding=gbk"""作者：川川@时间 : 2021/9/5 17:26SSD结合摄像头的人脸检测"""import cv2import numpy as npprototxt_path = "deploy.prototxt.txt"model_path = "res10_300x300_ssd_iter_140000_fp16.caffemodel"model = cv2.dnn.readNetFromCaffe(prototxt_path, model_path)cap = cv2.VideoCapture(0)while True: _, image = cap.read() h, w = image.shape[:2] blob = cv2.dnn.blobFromImage(image, 1.0, (300, 300), (104.0, 177.0, 123.0)) model.setInput(blob) output = np.squeeze(model.forward()) font_scale = 1.0 for i in range(0, output.shape[0]): confidence = output[i, 2] if confidence > 0.5: box = output[i, 3:7] * np.array([w, h, w, h]) start_x, start_y, end_x, end_y = box.astype(np.int) cv2.rectangle(image, (start_x, start_y), (end_x, end_y), color=(255, 0, 0), thickness=2) cv2.putText(image, f"{confidence*100:.2f}%", (start_x, start_y-5), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (255, 0, 0), 2) cv2.imshow("image", image) if cv2.waitKey(1) == ord("q"): breakcv2.destroyAllWindows()cap.release()效果： 
可以发现SSD效果特别好！
六、结语如果你想更深了解这些原理，去读一下opencv文档吧，中文官方文档如下： https://woshicver.com/
在很多人调用xm会遇到一些坑，我在这里说一下，读取xml的时候用相对路径./这种，参考我的，建议不要路径中出现中文，其它没啥了。 到此这篇关于手把手教你利用opencv实现人脸识别功能的文章就介绍到这了,更多相关opencv实现人脸识别内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
一篇文章带你自学python Django
pytorch教程resnet.py的实现文件源码分析 |
