Python使用OpenCV识别图片人脸
在Python中，识别图片中的人脸并获取人脸区域的坐标，通常可以使用OpenCV库结合Haar特征分类器或更先进的DNN（深度神经网络）模型来实现。
安装OpenCV依赖
pip install opencv-pythonHaar特征分类器
使用OpenCV和预训练的Haar级联分类器来识别图片中人脸并获取其坐标：
import cv2 def detect_faces(image_path): # 加载预训练的Haar级联分类器 face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml') # 读取图片 img = cv2.imread(image_path) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 检测图片中的人脸 faces = face_cascade.detectMultiScale(gray, 1.3, 5) # 遍历检测到的所有人脸 for (x, y, w, h) in faces: # 在原图上绘制矩形框 cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2) # 显示结果图片 cv2.imshow('img', img)cv2.waitKey(0)cv2.destroyAllWindows()# 打印人脸区域的坐标for (x, y, w, h) in faces:print(f"Face found at: Left: {x} Top: {y} Right: {x+w} Bottom: {y+h}") # 调用函数，传入图片路径
detect_faces('path_to_your_image.jpg')上述代码中，detect_faces函数接受一个图片路径作为参数，并使用OpenCV的CascadeClassifier来加载一个预训练的Haar级联分类器，该分类器用于检测图片中的人脸。然后，它读取图片，将其转换为灰度图，并使用detectMultiScale方法检测人脸。检测到的每个人脸都会以矩形框的形式在原图上绘制出来，并打印出其坐标。
DNN（深度神经网络）模型
OpenCV提供了几个预训练的人脸检测模型，其中一个常用的模型是基于Caffe框架的resnet10_300x300_ssd_iter_140000.caffemodel和对应的配置文件deploy.prototxt。
下载模型：
https://github.com/opencv/opencv/tree/4.1.2/samples/dnn/face_detector
https://raw.githubusercontent.com/opencv/opencv_3rdparty/dnn_samples_face_detector_20180205_fp16/res10_300x300_ssd_iter_140000_fp16.caffemodel
使用OpenCV和DNN模型来识别图片中人脸：
import cv2
import numpy as npdef detect_faces(image_path):# 加载预训练模型net = cv2.dnn.readNetFromCaffe('deploy.prototxt', 'res10_300x300_ssd_iter_140000_fp16.caffemodel')# 读取图像image = cv2.imread(image_path)(h, w) = image.shape[:2]# 图像预处理blob = cv2.dnn.blobFromImage(cv2.resize(image, (300, 300)), 1.0,(300, 300), (104.0, 177.0, 123.0))# 设置网络输入net.setInput(blob)# 进行检测detections = net.forward()# 绘制检测框for i in range(0, detections.shape[2]):confidence = detections[0, 0, i, 2]print("confidence： {:.3f}".format(confidence))if confidence > 0.5:box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])(startX, startY, endX, endY) = box.astype("int")cv2.rectangle(image, (startX, startY), (endX, endY), (0, 255, 0), 2)# 显示结果cv2.imshow('Face Detection', image)cv2.waitKey(0)cv2.destroyAllWindows()# 调用函数，传入图片路径
detect_faces('path_to_your_image.jpg')