Python 3.6 + OpenCV 3.3 人脸检测代码修正与实现

OpenCV 3.3 版本兼容性问题

在升级至 OpenCV 3.x 系列后，部分底层接口发生了变更。在旧版（如 OpenCV 2.x）中，开发者习惯使用 cv2.cv.CV_BGR2GRAY 进行颜色空间转换，但在 OpenCV 3.3 中该属性已不可用。正确的做法是使用 cv2.COLOR_BGR2GRAY 常量，这确保了代码在较新版本中的兼容性。

detectMultiScale 参数类型修正

另一个常见报错是 integer argument expected, got float。这通常发生在调用 classifier.detectMultiScale() 时，传入的 minSize 参数包含了浮点数。OpenCV 的该函数要求 minSize 必须是一个整数元组。因此，在计算缩放比例（divisor）后，必须将宽度和高度强制转换为整数。例如，可以使用 minSize=(int(w/divisor), int(h/divisor)) 或 minSize=(w//divisor, h//divisor) 来确保类型正确。

完整人脸检测代码示例

以下代码展示了如何在 Python 3.6 环境下，利用 OpenCV 3.3 实现实时人脸检测。代码包含了视频捕获、灰度转换、直方图均衡化以及人脸框绘制等完整流程。

import cv2
import numpy as np

cv2.namedWindow("test")
cap=cv2.VideoCapture(0)
success,frame=cap.read()

classifier=cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")

while success:
 success,frame=cap.read()
 size=frame.shape[:2]
 image=np.zeros(size,dtype=np.float16)
 # 修正：使用 OpenCV 3.x 标准的颜色转换常量
 image=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
 cv2.equalizeHist(image,image)
 divisor=8
 h,w=size
 # 修正：将 minSize 转换为整数元组，避免浮点数报错
 minSize=(int(w/divisor),int(h/divisor))
 faceRects=classifier.detectMultiScale(image,1.2,2,cv2.CASCADE_SCALE_IMAGE,minSize)
 if len(faceRects)> 0:
 for faceRect in faceRects:
  x,y,w,h=faceRect
  # 绘制人脸特征点与矩形框
  cv2.circle(frame,(x+w/2,y+h/2),min(w/2,h/2),(255,0,0))
  cv2.circle(frame,(x+w/4,y+h/4),min(w/8,h/8),(255,0,0))
  cv2.circle(frame,(x+3*w/4,y+h/4),min(w/8,h/8),(255,0,0))
  cv2.rectangle(frame,(x+3*w/4,y+3*h/4),(x+5*w/8,y+7*h/8),(255,0,0))
 cv2.imshow("test",frame)
 key=cv2.waitKey(10)
 c=chr(key&255)
 if c in ['q','Q',chr(27)]:
 break
cv2.destroyWindow("test")

该示例通过 cv2.VideoCapture(0) 调用摄像头，利用 haarcascade_frontalface_alt.xml 分类器进行人脸识别。在检测到人脸后，代码会在图像上绘制圆形和矩形框以标记人脸位置。运行程序后，按 'q' 或 'Q' 键，或按下 ESC 键即可退出窗口。

以上就是 Python 3.6 + OpenCV 3.3 人脸检测示例的详细内容，更多关于 Python 与 OpenCV 技术实践的资料请关注本站其它相关文章！