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

（左右移動查看全部內容）

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

（左右移動查看全部內容）

經測試，只能支持640*480，為此建立opencv_test.py

import cv2video = cv2.VideoCapture(0)

（左右移動查看全部內容）

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()

（左右移動查看全部內容）

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......）

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 npimport cv2 as cvif __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()

（左右移動查看全部內容）

實驗效果

運行程序后，可以正確地識別，效果如下：