本篇测评由与非网的优秀测评者“eefocus_3914144”提供。

---

本文将介绍基于米尔电子MYD-LMX93开发板（米尔基于NXP i.MX93开发板）的基于OpenCV的人脸检测方案测试。

OpenCV提供了一个非常简单的接口，用于相机捕捉一个视频(我用的电脑内置摄像头)
1、安装python3-opencv

apt install python3-opencv

2、查看摄像头支持的格式与分辨率

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

经测试，只能支持640*480

为此建立opencv_test.py

import cv2

video = cv2.VideoCapture(0)

设置相机参数

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()

保存后执行”python3 opencv_test.py

OpenCV装好后，可以为后面的人脸检测提供可行性。

要实现人脸识别功能，首先要进行人脸检测，判断出图片中人脸的位置，才能进行下一步的操作。

OpenCV人脸检测方法

在OpenCV中主要使用了两种特征（即两种方法）进行人脸检测，Haar特征和LBP特征。用得最多的是Haar特征人脸检测，此外OpenCV中还集成了深度学习方法来实现人脸检测。【参考资料】使用OpenCV工具包成功实现人脸检测与人脸识别，包括传统视觉和深度学习方法（附完整代码，模型下载......）_opencv人脸识别-CSDN博客

【Haar级联检测器预训练模型下载】opencv/opencv: Open Source Computer Vision Library (github.com)下载好的，在opencv-4.x\data\haarcascades文件夹下有模型，把他上传到开发板。

【获取检测人脸的图片】我在百度上找到了**的图片，并把它也上传到开发板。

【编写检测代码】

import numpy as np

import cv2 as cv

if __name__ == '__main__':

# (6) 使用 Haar 级联分类器 预训练模型 检测人脸

# 读取待检测的图片

img = cv.imread("yanmi.jpg")

print(img.shape)

    # 加载 Haar 级联分类器 预训练模型

model_path = "haarcascade_frontalface_alt2.xml"

face_detector = cv.CascadeClassifier(model_path)  # <class 'cv2.CascadeClassifier'>

# 使用级联分类器检测人脸

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)

# 绘制人脸检测框

for x, y, width, height in faces:

cv.rectangle(img, (x, y), (x + width, y + height), (0, 0, 255), 2, cv.LINE_8, 0)

# 显示图片

cv.imshow("faces", img)

cv.waitKey(0)

cv.destroyAllWindows()

【实验效果】运行程序后，可以正确地识别，效果如下：