OpenCV 在树莓派上进行实时人脸检测

这段 Python 代码借助 OpenCV 库实现了在树莓派上进行实时人脸检测的功能。它会开启摄像头捕获视频帧，在每一帧里检测人脸并以矩形框标记出来，同时在画面上显示帧率（FPS）。

依赖库

• cv2：OpenCV 库，用于计算机视觉任务，像图像读取、处理以及人脸检测等。
• time：用于计算帧率。

全局变量

• HAAR_PATH：Haar 级联分类器文件的路径，此文件用于人脸检测。这里给出了两个可能的路径，你要依据实际情况选择其中一个。

函数说明

detect_faces()

该函数的功能是开启摄像头，持续捕获视频帧，在每一帧中检测人脸并进行标记，最后显示带有标记和帧率的视频画面。

详细步骤：

1. 摄像头初始化：

   python

• cap = cv2.VideoCapture(0)
  cap.set(3, 640)  # 设置宽度
  cap.set(4, 480)  # 设置高度
  

   

  运用cv2.VideoCapture(0)开启树莓派的摄像头，并且将视频帧的宽度设定为 640 像素，高度设定为 480 像素。

• 加载分类器：

  python

• face_cascade = cv2.CascadeClassifier(HAAR_PATH)
  

   

  借助cv2.CascadeClassifier加载 Haar 级联分类器文件，以此来进行人脸检测。

• 循环捕获并处理视频帧：

  python

• while True:start_time = time.time()ret, frame = cap.read()if not ret:break
  

   

  持续捕获视频帧，直至无法成功读取帧为止。在每次循环开始时记录当前时间，用于后续计算帧率。

• 图像优化：

  python

• small_frame = cv2.resize(frame, (0,0), fx=0.5, fy=0.5)
  gray = cv2.cvtColor(small_frame, cv2.COLOR_BGR2GRAY)
  

   

  为了提升树莓派的处理速度，把视频帧缩小为原来的一半，然后将其转换为灰度图像，因为人脸检测在灰度图像上进行会更高效。

• 人脸检测：

  python

• faces = face_cascade.detectMultiScale(gray,scaleFactor=1.05,  # 降低以提升准确率minNeighbors=5,minSize=(30, 30),flags=cv2.CASCADE_SCALE_IMAGE
  )
  

   

  利用detectMultiScale方法在灰度图像中检测人脸。scaleFactor参数设定图像缩放比例，minNeighbors参数表示每个候选矩形应该保留的邻居数，minSize参数规定检测到的人脸的最小尺寸。

• 还原坐标并标记人脸：

  python

• for (x, y, w, h) in faces:x, y, w, h = x*2, y*2, w*2, h*2cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
  

   

  由于之前对图像进行了缩小处理，所以需要把检测到的人脸坐标还原到原始图像尺寸，接着使用cv2.rectangle方法在原始图像上绘制绿色矩形框标记人脸。

• 显示帧率：

  python

• fps = 1.0 / (time.time() - start_time)
  cv2.putText(frame, f"FPS: {fps:.1f}", (10, 30),cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
  

   

  依据开始时间和当前时间计算帧率，再使用cv2.putText方法在图像上显示帧率。

• 显示图像并处理退出事件：

  python

• cv2.imshow('Raspberry Pi Face Detection', frame)
  if cv2.waitKey(1) & 0xFF == ord('q'):break
  

   

  显示带有标记和帧率的图像，当用户按下q键时，退出循环。

• 释放资源：

  python

1. cap.release()
   cv2.destroyAllWindows()
   

    

   释放摄像头资源，关闭所有 OpenCV 窗口。

主程序

python

if __name__ == "__main__":detect_faces()

当脚本作为主程序运行时，调用detect_faces函数开始进行人脸检测。

完整代码

import cv2
import time# 选择最佳路径（根据你的实际情况取消注释一个）
HAAR_PATH = "/usr/local/share/opencv4/haarcascades/haarcascade_frontalface_default.xml"  # 推荐
# HAAR_PATH = "/home/chen/myenv/lib/python3.11/site-packages/cv2/data/haarcascade_frontalface_default.xml"def detect_faces():# 初始化摄像头（树莓派专用相机设置）cap = cv2.VideoCapture(0)cap.set(3, 640)  # 设置宽度cap.set(4, 480)  # 设置高度# 加载分类器face_cascade = cv2.CascadeClassifier(HAAR_PATH)while True:start_time = time.time()ret, frame = cap.read()if not ret:break# 树莓派优化：缩小图像提高检测速度small_frame = cv2.resize(frame, (0,0), fx=0.5, fy=0.5)gray = cv2.cvtColor(small_frame, cv2.COLOR_BGR2GRAY)# 检测人脸（优化参数）faces = face_cascade.detectMultiScale(gray,scaleFactor=1.05,  # 降低以提升准确率minNeighbors=5,minSize=(30, 30),flags=cv2.CASCADE_SCALE_IMAGE)# 还原坐标到原始图像尺寸for (x, y, w, h) in faces:x, y, w, h = x*2, y*2, w*2, h*2cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)# 显示FPS（帧率）fps = 1.0 / (time.time() - start_time)cv2.putText(frame, f"FPS: {fps:.1f}", (10, 30),cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)cv2.imshow('Raspberry Pi Face Detection', frame)if cv2.waitKey(1) & 0xFF == ord('q'):breakcap.release()cv2.destroyAllWindows()if __name__ == "__main__":detect_faces()