人脸的检测

最新推荐文章于 2026-06-23 23:34:10 发布

原创最新推荐文章于 2026-06-23 23:34:10 发布 · 94 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#opencv #计算机视觉 #人工智能

收录于

文章介绍了如何利用OpenCV中的haar级联分类器，如haarcascade_frontalface_default.xml，来检测图像中的人脸。通过cv2.CascadeClassifier加载预训练的分类器文件，创建级联分类对象，然后应用这个对象来识别人脸。

OpenCV提供的haar级联分类来进行检测。

首先在 OpenCV源代码中''data/haarcascades''训练好haar级联分类文件如

haarcascade_frontalface_default.xml：人脸检测

haarcascade_profilefacde.xml 侧脸检测

cv2. CascadeClassifier()用于加载分类器，格式如下

faceClasssifier=cv2.cv2. CascadeClassifier(filename)

CascadeClassifier为返回的级联分类对象

运用haarcascade_frontalface_default.xml：人脸检测检测图像人脸

运行如下

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

hhaha66

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

基于Python的OpenCV人脸检测

热门推荐

冰河的博客

07-23

6万+

本文将要讲述的是Python环境下如何用OpenCV检测人脸，本文的主要内容分为： 1、检测图片中的人脸 2、实时检测视频中出现的人脸 3、用运设备的摄像头实时检测人脸提前做的准备：安装好Python3 下载安装OpenCV库，方法是pip install opencv-python -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com/pypi/simple 下载特征数据HAAR和LBP，这两种数

参与评论您还未登录，请先登录后发表或查看评论

基于MATLAB的人脸检测

zhangningning1996的博客

04-10

9074

MATLABl利用肤色检测模型项目简述项目流程图肤色检测图像腐蚀图像定位MATLAB代码仿真结果总结项目简述我们前面已经学习了一些图像处理算法的应用，那么本次实验将进行一个比较综合的项目。本次算法中，我们将利用肤色模型检测算法定位人脸的位置。这篇文章我们首先利用MATLAB实现该算法，等到下一篇文章再用FPGA实现该算法。项目流程图整个项目的流程图如上图，我们利用上面的程序框图进行书写便...

基于MTCNN的人脸检测

tj1027128330的博客

05-26

3881

一、人脸检测：人脸检测为单类多目标检测检测的图片有两种类型：一张图片中仅含有一个人脸一张图片中含有多个人脸深度学习是基于仿生学，计算机视觉和人眼一样，通过感受野（人的视野）的扫描去寻找目标，当感受野特别大目标特别小时人和机器一样无法识别出是否是目标，所以要放大图片或者减少感受野才能看清。人脸检测便是从图片中找到人脸，因图片有大有小，人脸也是如此，为了能检测到图片中人脸，需要通过卷积神经网络来实现，卷积核便是感受野（...

Dlib 库 - 人脸检测及人脸关键点检测

长风破浪会有时，直挂云帆济沧海

02-27

5645

原文：Dlib 库 - 人脸检测及人脸关键点检测 - AIUAI Dlib 官网 - Dlib C++ Library Dlib - Github Dlib 是一个十分优秀好用的机器学习库，其源码均由 C++ 实现，并提供了 Python 接口，可广泛适用于很多场景. 这里主要记录 Dlib 中关于人脸检测和人脸关键点等技术的 python 应用. pip 安装： sudo apt-get i...

【OpenCV】人脸检测

宅男很神经

05-30

1598

人脸检测是计算机视觉领域中的一个核心问题，其目标是在数字图像或视频帧中定位出所有人脸的位置和大小。简单来说，就是回答图像中“哪里有人脸？”以及“这些人脸有多大？”这两个问题。检测结果通常以边界框（Bounding Box）的形式给出，即一个矩形区域精确地框出检测到的人脸。人脸检测与其他相关概念的区别：理解人脸检测与计算机视觉中其他相关但不同的任务之间的区别至关重要：人脸识别 (Face Recognition / Face Identification):人脸验证 (Face Verification):人

Vivado HLS 调用 OpenCV 完全指南：语法详解 + 工程实战 + 踩坑总结

nskksms的博客

06-23

496

本文系统介绍了FPGA图像处理中HLS内置OpenCV库的使用方法。主要内容包括：hls_opencv库的基础认知、核心语法、工程搭建流程，以及Sobel边缘检测的完整实现示例。重点讲解了hls::Mat数据结构、常用图像处理函数、AXI流接口转换等关键技术，并提供了性能优化技巧和常见问题解决方案。该库让开发者能以类似软件OpenCV的语法开发硬件加速算法，显著提升FPGA图像处理开发效率。文章附带可直接运行的代码，适合FPGA视觉开发者快速上手。

OpenCV 霍夫变换：直线与圆检测

Do my best!

06-21

373

我的经验是：先把 threshold 和 minLineLength 设大一点，保证检测出来的都是真直线，然后慢慢降低门槛，直到把需要的线都找出来。反过来想：图像里一个点 (x₀, y₀)，通过它可以做无数条直线，对应参数空间里一条正弦曲线。这样一来，图像里的一条直线就变成了参数空间里的一个点 (ρ, θ)。霍夫变换做的事情就是：遍历图像中所有边缘点，在参数空间里"投票"，最后票数最高的位置就是检测到的直线。一个经典的应用场景。核心思路：先做边缘检测，然后限制检测区域（只关注道路部分），最后跑霍夫变换。

【opencv】图像透视转换，发票自动扫描矫正

m0_66822255的博客

06-22

414

日常生活中，我们经常用手机拍下发票、合同、证件，但拍摄角度往往不完美——歪斜、透视变形，导致文字扭曲，OCR 识别率极低。如果能把它们“拉正”成平整的俯视图，就能极大提升后续文字识别的效果。OpenCV 提供了一套完整的解决方案：先检测文档的四个角点，然后利用透视变换将其映射到正视图。通过完整代码理解自定义的图像显示、尺寸缩放、轮廓筛选、坐标排序、透视变换等核心技巧。import cv2封装了 cv2.imshow 和 cv2.waitKey(0)，方便我们显示图像并保持窗口直到按任意键。

C# 基于OpenCv的视觉工作流-章88-线路排序检测

sali-tec的博客

06-23

178

摘要：本章介绍基于OpenCV的视觉检测流程，重点讲解线序排错与缺线检测的实现方法。通过ROI工具设定检测区域，结合颜色识别判定线序是否正确（支持正/反序），适用于流水线全检场景。文章配套自研免费工具"VisionTool 探迹"与付费工具"VisionTool Halcon"，提供图片示例说明区域设定与识别判定流程。技术要点包括模板匹配、颜色分析及排序逻辑判断，为自动化视觉检测提供解决方案。

开源项目文档：基于Python和OpenCV的虹膜检测系统设计与实现

ZSW1218的博客

06-23

160

本文设计并实现了一套基于Python与OpenCV的虹膜检测系统，采用霍夫圆变换（Hough Circle Transform）算法对眼部图像进行处理，实现虹膜区域的自动定位与轮廓提取。系统首先对输入图像进行灰度化与中值滤波预处理，消除噪声干扰；继而利用HoughCircles函数在参数空间中累计投票，检测虹膜圆形边界；最终以绿色圆弧标注检测结果并输出圆心坐标与半径数值。在此基础上，进一步开发了具备图形用户界面（GUI）的交互式应用，提供参数实时调节、批量检测及结果保存功能。实验结果表明，在标准近红外眼部图

从发票矫正到特征提取：OpenCV 图像处理实战详解

2401_88566519的博客

06-22

396

需要注意，如果光照极不均匀，全局阈值仍可能丢失细节，此时可改用自适应阈值，但在该方案中选择了闭运算补全文字，开运算去噪，兼顾全局与局部特征。该算法用较少的顶点来近似曲线，如果轮廓是四边形，逼近后应该得到 4 个点，代表发票的四个角。输入的四个点可能是任意顺序的（例如左上、右上、右下、左下），但我们需要固定的顺序：左上、右上、右下、左下（顺时针）。是原始图像的副本，用于最终的透视变换，因为此时我们得到的发票轮廓坐标是在缩小后的图像上计算的，需要乘以。计算每个轮廓的面积，并按面积降序排序，取出面积最大的轮廓。

OpenCV findContours 四大检索模式深度解析与实战指南

m0_61749394的博客

06-23

716

OpenCV findContours 四大检索模式深度解析本文详细剖析了OpenCV中cv2.findContours()函数的四种轮廓检索模式，帮助开发者根据实际场景选择最优方案： RETR_EXTERNAL - 仅提取最外层轮廓，适用于目标计数、去除内部噪声等场景 RETR_LIST - 提取所有轮廓但不建立层级关系，处理速度最快，适合简单物体检测 RETR_CCOMP - 建立两级层次结构，可区分物体外框和内部孔洞 RETR_TREE - 构建完整层级树，适合复杂结构分析但资源消耗较大每种模式都

OPENCV——重点结构体Mat

weixin_64611877的博客

06-23

246

通道 = 每个像素存几组颜色 / 亮度数据。

K230+CanMV+OpenCV的实际画面效果展示

最新发布

weixin_47446386的博客

06-23

嘉楠K230/K230D平台正式在MicroPython支持OpenCV，通过集成 OpenCV 封装，CanMV 接入定制版 cv2 模块，将常用 OpenCV 图像处理算法部署到 K230 开发板上，经典图像处理算法开箱即用，实现无需 C 语言交叉编译，仅使用 MicroPython 代码即可完成丰富的图像处理与 AI 应用开发!

C# 基于OpenCv的视觉工作流-章85-包胶不良检测

sali-tec的博客

06-16

382

摘要：本章介绍基于OpenCV的视觉检测方法，用于工件包胶不良检测。通过设定ROI区域捕捉目标，结合模板匹配实现工件随意摆放检测。根据识别区域面积判定胶带是否超出设定边界，面积过大则判定为不合格（NG）。文中提供了自研免费工具“VisionTool 探迹”和付费工具“VisionTool Halcon”的下载链接，适用于流水线全检场景。

基于OpenCV 5 DNN的轻量化OCR系统设计与实现

slmrj的博客

06-21

428

基于OpenCV 5 DNN的轻量化OCR系统设计与实现摘要本研究设计并实现了一种仅依赖OpenCV 5 DNN模块的轻量化OCR系统，解决了传统OCR方案依赖框架臃肿、部署复杂的问题。系统支持PP-OCRv3至v6全系列模型，覆盖50余种语言识别，通过OpenCV DNN实现端到端推理。关键技术包括：优化DBNet检测模型适配、实现CRNN识别网络解码、解决OpenCV 5版本兼容性问题。实验表明，在1280×931像素图像上，系统检测耗时131ms，单行识别42ms，相比主流方案减少40%部署体积，

r081r096的博客

06-17

232

Python 类项目更适合算法、数据处理、推荐系统、图像识别方向，能够体现一定技术深度。本文主要整理这一类项目的基础搭建思路，包括项目创建、目录结构、功能模块、数据库设计方向，以及一些可以继续扩展的选题案例。

C# 基于OpenCv的视觉工作流-章87-绕线不匀检测

sali-tec的博客

06-22

245

摘要：本章介绍基于OpenCV的绕线不匀检测方法，通过两种方式实现：一是划分区域计算分区面积均值偏差，二是测量最大长轴尺寸。本章采用方式一，结合模板匹配适应流水线全检需求。具体步骤包括：1. 设定检测区域，使用ROI工具精准框选目标；2. 识别判定，通过计算分区面积偏差判断是否合格（超出阈值即NG）。附自研免费工具“VisionTool 探迹”及付费Halcon工具信息，适合具备一定技术基础的读者。

【opencv】OpenCV 图像增强实战：直方图均衡化与 CLAHE 原理及代码详解

m0_66822255的博客

06-22

338

我们在处理图像时，经常遇到对比度太低、画面灰蒙蒙的问题，比如夜晚拍摄的照片、医学 X 光片、昏暗环境下的监控画面。这些图像的像素灰度值往往集中在某个狭窄区间，导致细节难以辨认。直方图均衡化（Histogram Equalization）就是解决这类问题的经典方法，它通过重新分布像素灰度值，让图像的对比度显著提升。而 CLAHE（限制对比度自适应直方图均衡化）则是它的进阶版，能避免全局均衡化带来的过度增强和噪声放大，尤其适合处理光照不均的复杂场景。

OpenCV 四点透视矫正票据完整实战：轮廓检测 + 透视变换 + 二值腐蚀去噪全流程详解

wjx810901的博客

06-23

668

日常拍摄发票、证件、纸质文档时，难免出现倾斜、透视畸变、角度偏移问题，直接影响 OCR 文字识别、特征提取效果。传统裁剪、旋转无法解决近大远小的透视变形问题。本文基于 OpenCV + Numpy 实现一套通用文档透视矫正完整流水线：图像缩放预处理 → 轮廓检测 → 最大票据轮廓筛选 → 四边形拟合 → 四点透视变换转正 → 灰度二值化 → 腐蚀去噪 → 角度矫正代码通用性极强，可适配发票、身份证、答题卡、纸质单据、指纹纸张等所有四边形平面文档矫正场景。普通旋转只能矫正角度倾斜，无法矫正。