目标人脸检测与识别实验代码

以下是目标人脸检测与识别的实验代码示例：

import cv2
import numpy as np

# 加载人脸识别模型
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 加载人脸识别模型
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read("trainer.yml")

# 设定字体样式
font = cv2.FONT_HERSHEY_SIMPLEX

# 捕获摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取摄像头中的图像
    ret, img = cap.read()
    
    # 将图像转化为灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 检测人脸
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.5, minNeighbors=5)
    
    # 遍历每一个人脸
    for (x, y, w, h) in faces:
        # 画出矩形框
        cv2.rectangle(img, (x, y), (x+w, y+h), (0,255,0), 2)
        
        # 识别人脸
        id_, conf = recognizer.predict(gray[y:y+h, x:x+w])
        
        # 根据识别结果输出姓名
        if conf>=45 and conf<=85:
            if id_ == 1:
                id_ = "person1"
            elif id_ == 2:
                id_ = "person2"
            # ... 其他人名
        else:
            id_ = "unknown"
        
        # 在矩形框内输出姓名
        cv2.putText(img, str(id_), (x+5,y+h-5), font, 1, (255,255,255), 2, cv2.LINE_AA)
    
    # 显示图像
    cv2.imshow('img',img)
    
    # 等待按下 'q' 键退出程序
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头资源
cap.release()

# 关闭所有窗口
cv2.destroyAllWindows()

这段代码使用了 OpenCV 中的 Haar 特征分类器进行人脸检测，并使用了 LBPH 算法进行人脸识别。在识别到人脸后，根据保存的人脸数据集中的标签值输出人物姓名。