如何用OpenCV的相機捕捉視頻進行人臉檢測--基于米爾NXP i.MX93開發板

發布時間：2024-11-15 18:00 發布者：swiftman

關鍵詞： NXP , i.MX93 , 嵌入式 , 開發板 , 人臉識別

本篇測評由優秀測評者“eefocus_3914144”提供。

本文將介紹基于米爾電子MYD-LMX93開發板（米爾基于NXP i.MX93開發板）的基于OpenCV的人臉檢測方案測試。

OpenCV提供了一個非常簡單的接口，用于相機捕捉一個視頻(我用的電腦內置攝像頭)
1、安裝python3-opencv

apt install python3-opencv

復制代碼

2、查看攝像頭支持的格式與分辨率

root@debian:~# v4l2-ctl --device=/dev/video0 --list-formats-ext

復制代碼

經測試，只能支持640*480

為此建立opencv_test.py

import cv2
video = cv2.VideoCapture(0)

復制代碼

設置相機參數

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()

復制代碼

保存后執行”python3 opencv_test.py

OpenCV裝好后，可以為后面的人臉檢測提供可行性。

要實現人臉識別功能，首先要進行人臉檢測，判斷出圖片中人臉的位置，才能進行下一步的操作。

OpenCV人臉檢測方法

在OpenCV中主要使用了兩種特征（即兩種方法）進行人臉檢測，Haar特征和LBP特征。用得最多的是Haar特征人臉檢測，此外OpenCV中還集成了深度學習方法來實現人臉檢測。

【參考資料】
使用OpenCV工具包成功實現人臉檢測與人臉識別，包括傳統視覺和深度學習方法（附完整代碼，模型下載......）_opencv人臉識別-CSDN博客

【Haar級聯檢測器預訓練模型下載】
opencv/opencv: Open Source Computer Vision Library (github.com)
下載好的，在opencv-4.xdatahaarcascades文件夾下有模型，把他上傳到開發板。

【獲取檢測人臉的圖片】
我在百度上找到了**的圖片，并把它也上傳到開發板。

【編寫檢測代碼】

import numpy as np
import cv2 as cv
if __name__ == '__main__':
# (6) 使用 Haar 級聯分類器預訓練模型檢測人臉
# 讀取待檢測的圖片
img = cv.imread("yanmi.jpg")
print(img.shape)
# 加載 Haar 級聯分類器預訓練模型
model_path = "haarcascade_frontalface_alt2.xml"
face_detector = cv.CascadeClassifier(model_path) #
# 使用級聯分類器檢測人臉
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)
# 繪制人臉檢測框
for x, y, width, height in faces:
cv.rectangle(img, (x, y), (x + width, y + height), (0, 0, 255), 2, cv.LINE_8, 0)
# 顯示圖片
cv.imshow("faces", img)
cv.waitKey(0)
cv.destroyAllWindows()

復制代碼

【實驗效果】
運行程序后，可以正確地識別，效果如下：

本文地址：http://m.qingdxww.cn/thread-876734-1-1.html 【打印本頁】

本站部分文章為轉載或網友發布，目的在于傳遞和分享信息，并不代表本網贊同其觀點和對其真實性負責；文章版權歸原作者及原出處所有，如涉及作品內容、版權和其它問題，我們將根據著作權人的要求，第一時間更正或刪除。