本篇测评由与非网的优秀测评者“eefocus_3914144”提供。
本文将介绍基于米尔电子MYD-LMX93开发板(米尔基于NXP i.MX93开发板)的基于OpenCV的人脸检测方案测试。
OpenCV提供了一个非常简单的接口,用于相机捕捉一个视频(我用的电脑内置摄像头)
1、安装python3-opencv
apt install python3-opencv
2、查看摄像头支持的格式与分辨率
root@debian:~# v4l2-ctl --device=/dev/video0 --list-formats-ext
经测试,只能支持640*480
为此建立opencv_test.py
import cv2video = cv2.VideoCapture(0)
设置相机参数
video .set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
video .set(cv2.CAP_PROP_FRAME_HEIGHT, 720)
while True: ret, frame = video.read() cv2.imshow("A video", frame)c = cv2.waitKey(1)if c == 27: breakvideo.release()cv2.destroyAllWindows()
保存后执行”python3 opencv_test.py
OpenCV装好后,可以为后面的人脸检测提供可行性。
要实现人脸识别功能,首先要进行人脸检测,判断出图片中人脸的位置,才能进行下一步的操作。
OpenCV人脸检测方法
在OpenCV中主要使用了两种特征(即两种方法)进行人脸检测,Haar特征和LBP特征。用得最多的是Haar特征人脸检测,此外OpenCV中还集成了深度学习方法来实现人脸检测。
【参考资料】
使用OpenCV工具包成功实现人脸检测与人脸识别,包括传统视觉和深度学习方法(附完整代码,模型下载......)_opencv人脸识别-CSDN博客
【Haar级联检测器预训练模型下载】
opencv/opencv: Open Source Computer Vision Library (github.com)
下载好的,在opencv-4.x\data\haarcascades文件夹下有模型,把他上传到开发板。
【获取检测人脸的图片】
我在百度上找到了**的图片,并把它也上传到开发板。
【编写检测代码】
import numpy as npimport cv2 as cv
if __name__ == '__main__': # (6) 使用 Haar 级联分类器 预训练模型 检测人脸 # 读取待检测的图片 img = cv.imread("yanmi.jpg") print(img.shape)
# 加载 Haar 级联分类器 预训练模型 model_path = "haarcascade_frontalface_alt2.xml" face_detector = cv.CascadeClassifier(model_path) # # 使用级联分类器检测人脸 faces = face_detector.detectMultiScale(img, scaleFactor=1.1, minNeighbors=1, minSize=(30, 30), maxSize=(300, 300)) print(faces.shape) # (17, 4) print(faces[0]) # (x, y, width, height)
# 绘制人脸检测框 for x, y, width, height in faces: cv.rectangle(img, (x, y), (x + width, y + height), (0, 0, 255), 2, cv.LINE_8, 0) # 显示图片 cv.imshow("faces", img) cv.waitKey(0) cv.destroyAllWindows()
【实验效果】
运行程序后,可以正确地识别,效果如下:
-
开发板
+关注
关注
25文章
5033浏览量
97378 -
人脸检测
+关注
关注
0文章
80浏览量
16457 -
米尔电子
+关注
关注
0文章
109浏览量
450
发布评论请先 登录
相关推荐
评论