基于OPENCV的相机捕捉视频进行人脸检测--米尔NXP i.MX93开发板

描述

 

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

米尔电子

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

米尔电子

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。
 

米尔电子

【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:
 

米尔电子

米尔电子

 

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分