静态图像多人脸检测与计数李雅峰44课件讲解.pptxVIP

计算机视觉应用静态图像多人脸检测与计数主讲人：李雅峰

计算机视觉应用

静态图像多人脸检测与计数

Haar级联分类器检测多个人脸并计数代码原理

项目目标与准备工作第一部分

“学什么”“备什么”

1.项目目标掌握多人脸图像的检测方法；1.实现人脸数量统计，并在图像上显示人数；2.学会根据多人脸场景调整检测参数，避免漏检或误检。3.

2.准备工作准备一张含多个人脸的集体照，确保人脸清晰、正面；素材方面依赖4个核心技术核心技术参数调优（适应多人脸）居中显示（结果展示）序号标注（个体识别）数量统计（数据分析）使用haarcascade_frontalface_default.xml；使用模型

核心步骤拆解代码逐行解释第二部分

“为什么这么写”“参数是什么意思”

1.核心步骤拆解新建文件OpenCV核心库1.新建一个叫exp1_multi_face_detection.py的文件。2.先导入必要的库：

1.核心步骤拆解第一步：加载模型+错误检查这里使用标准的人脸检测模型添加判断命令确保模型加载成功，避免后续检测出错

1.核心步骤拆解第二步：读取图像+尺寸获取读彩色图确保图像读取成功添加判断命令获取图像尺寸要在图像顶部居中显示人数统计，需要知道图像宽度来计算居中位置

1.核心步骤拆解第三步：图像预处理（灰度转换）灰度转换集体照处理计算量大，灰度图只有1个通道，能大幅提高检测速度3.预处理要适应多人脸场景。

1.核心步骤拆解第四步：多人脸检测核心（参数调优）用detectMultiScale方法进行检测#限制最大尺寸，避免误检

直接获取检测到的人脸数量绘制绿色矩形框1.核心步骤拆解第五步：数量统计与序号标注参数里(0,255,0)是绿色BGR值，2是线宽添加Facei+1序号标注，enumerate自动生成序号。

获取文字尺寸1.核心步骤拆解第六步：总人数显示（居中处理）显示总人数用红色大字体在顶部居中显示

1.核心步骤拆解第七步：结果显示与保存显示检测窗口保存结果图像等待按键关闭窗口

1.核心步骤拆解步骤1明确实训流程流程：加载模型→读取集体照→灰度化→检测人脸→统计数量→绘制人脸框和人数文字→显示保存;步骤2编写实训代码按照上述核心步骤编写完整代码，特别注意参数调优部分;步骤3运行与验证调整参数:若漏检（实际多人只检测到少数），减小scaleFactor（如1.05）或minNeighbors（如3）；若误检，增大minNeighbors（如5）；验证结果：窗口显示集体照，每个人脸有绿色框和序号，顶部红色文字显示TotalFaces:X，与实际人数一致；保存结果：确认生成multi_face_count.jpg，图像标注清晰。

运行验证与结果分析第三部分

多人脸检测关键参数必须比单人检测更精细统计显示必须清晰直观这是实验成功的核心

多人脸检测关键scaleFactor需更小（1.05~1.08）确保小尺寸人脸也能被检测minNeighbors适中（3~4）平衡漏检和误检

3.运行结果运行结果漏检误检如图所示，集体照中大部分人被检测出来了但是远景处有几位同学被漏检，背景还器械被检测成了人脸，出现误检。请同学们仿照本模块示例四调整参数看看谁能把图像中的人脸统计完整且不出现误检

总结“计数统计怎么实现”“多人脸检测为什么要调参”写了完整代码“实际场景怎么用”

总结计算机视觉落地不是靠复杂算法而是把基础技术用对地方掌握了多人脸检测流程以后遇到人群统计、集体照分析都能解决