【【OpenCV实战】实战】OpenCV实现人脸检测详解（含代码）实现人脸检测详解（含代码）
OpenCV中有许多可以进行人脸、人眼检测的特征文件，今天我们利用OpenCV中自带的特征文件haarcascade_frontalface_default.xml来进行人脸检测。
【【OpenCV实战】实战】OpenCV实现人脸检测实现人脸检测“超详解超详解”（含代码）（含代码）1、整体思路2、代码详解2.1从百度爬取图片2.2训练数据2.3测试，绘制框和标签3、总结4、参考
1、整体思路、整体思路
第一：利用第一：利用Python根据特征词从百度爬取人物图片根据特征词从百度爬取人物图片
第二：训练第二：训练
第三：测试，绘制框和标签第三：测试，绘制框和标签
2、代码详解、代码详解
2.1从百度爬取图片从百度爬取图片
本段代码实现的功能：根据特征词从百度爬取一定数量的图片
import requests
import os
import re
# word是要爬的图片名字；max_num 是要爬取的数量
word = input("请输入关键词：")
max_num = input("请输入图片最大数量：")
# j用来标记图片数量
j = 1
#爬取图片的类
class PaChong:
def __init__(self, word, i):
# path是图片存放的地方
self.path = "./xqImg/" + word + "/"
# 第几页
self.page = i / 10 + 1
# 如果文件夹不存在，则创建文件夹
if not os.path.exists(self.path):
os.mkdir(self.path)
# 发出requests请求
def requests_get(self, url):
req = requests.get(url, timeout=30)
req.encoding = "utf-8"
self.req = req.text
# 正则找到图片链接
def get_imgurl(self):
imgurls = re.findall('"objURL":"(.*?)"', self.req, re.S)
self.imgurls = imgurls
print(self.imgurls)
# 下载图片到本地
def download(self):
global j
for imgurl in self.imgurls:
path = self.path + str(j)
#try可以防止因网络不好造成的错误
try:
# 写入文件
with open(path + "2.jpg", "wb") as f:
r = requests.get(imgurl)
f.write(r.content)
print("%s下载成功" % path)
j += 1
if j >= int(max_num):
break
except Exception as e:
print(e)
# 当发生异常时，直接跳过
continue
print("第{}页下载结束！".format(self.page))
# 通过pn参数实现翻页，第一页为0，,间隔为20
for i in range(0, 30, 10):
url = "https://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word={0}&pn={1}&gsm=50&ct=&ic=0&lm=-1&width=0&height=0".format(
word, i)
Run = PaChong(word, i)
Run.requests_get(url)
Run.get_imgurl()
Run.download()
这里我从百度上爬取了黄渤和孙红雷的各25张图片（只是训练一个小demo），效果图如下。为了方便以后的训练过程，将文件夹的名称改为为了方便以后的训练过程，将文件夹的名称改为“01”和和“02”，作为相应类别的标签。，作为相应类别的标签。
评论0