### PyCharm中使用YOLO实现人脸检测 在PyCharm环境中利用YOLO算法进行人脸检测涉及多个步骤，包括环境配置、安装依赖库以及编写具体的Python脚本来加载预训练的YOLO模型并处理输入图像或视频流。下面提供一段基于Darknet框架下的YOLOv3版本，在Python环境下运行的人脸检测示例代码。 #### 安装必要的软件包 为了能够在Python项目里调用YOLO模型，通常需要先通过pip命令安装`opencv-python`和`numpy`这两个常用的计算机视觉与数值运算库： ```bash pip install opencv-python numpy ``` 如果打算直接从源码编译darknet，则还需要额外准备CMake工具链以及其他可能涉及到的操作系统特定依赖项。 #### 下载YOLO权重文件及配置文件 可以从官方GitHub仓库获取YOLO的不同变种（如yolov3, yolov4等）对应的.cfg配置文件和.weights权重文件。对于人脸识别任务来说，建议选择那些已经在大规模面部特征标注过的数据集上经过充分训练后的模型参数。 #### 编写Python程序读取摄像头帧并应用YOLO检测器 以下是完整的Python代码片段，展示了如何设置YOLO网络结构、加载预先训练好的权值，并将其应用于实时捕获到的画面之中以定位其中存在的所有面孔位置信息[^1]。 ```python import cv2 import numpy as np def load_yolo(): net = cv2.dnn.readNet("yolov3-face.weights", "yolov3-face.cfg") # 加载YOLO模型 layer_names = net.getLayerNames() output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()] colors = np.random.uniform(0, 255, size=(len(output_layers), 3)) return net, output_layers, colors def detect_objects(img, net, outputLayers): blob = cv2.dnn.blobFromImage(img, scalefactor=0.00392, size=(416, 416), mean=(0, 0, 0), swapRB=True, crop=False) net.setInput(blob) outputs = net.forward(outputLayers) return blob, outputs def get_box_dimensions(outputs, height, width): boxes = [] confidences = [] class_ids = [] for output in outputs: for detection in output: scores = detection[5:] class_id = np.argmax(scores) confidence = scores[class_id] if confidence > 0.5 and class_id == 0: # 只保留置信度大于阈值且类别为人的预测框 center_x = int(detection[0] * width) center_y = int(detection[1] * height) w = int(detection[2] * width) h = int(detection[3] * height) x = int(center_x - w / 2) y = int(center_y - h / 2) boxes.append([x, y, w, h]) confidences.append(float(confidence)) class_ids.append(class_id) return boxes, confidences, class_ids def draw_labels_and_boxes(img, boxes, confidences, classids, idxs, colors): if len(idxs) > 0: for i in idxs.flatten(): x, y = (boxes[i][0], boxes[i][1]) w, h = (boxes[i][2], boxes[i][3]) color = colors[i] cv2.rectangle(img, (x, y), (x + w, y + h), color=color, thickness=2) text = f'Face: {confidences[i]:.2f}' cv2.putText(img, text, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color=color, thickness=2) cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() model, layers, _ = load_yolo() _, outs = detect_objects(frame, model, layers) H, W = frame.shape[:2] bbs, cs, cids = get_box_dimensions(outs, H, W) indices = cv2.dnn.NMSBoxes(bbs, cs, score_threshold=0.5, nms_threshold=0.4) draw_labels_and_boxes(frame, bbs, cs, cids, indices, None) cv2.imshow('YOLO Face Detection', frame) key = cv2.waitKey(1) if key & 0xFF == ord('q'): break cv2.destroyAllWindows() cap.release() ``` 这段代码实现了基本的功能需求——即打开默认摄像设备采集连续画面序列作为输入源；接着依次调用了定义好的辅助函数完成YOLO模型初始化、前向传播计算过程、解析输出结果获得候选区域坐标集合最后再把这些矩形边界框绘制回原图之上显示出来供用户查看效果。