OpenCV学习笔记-人脸检测

一、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，Harr特征和LBP特征。具体的介绍参考：图像特征提取三大法宝：HOG特征，LBP特征，Haar特征

在OpenCV中，使用已经训练好的XML格式的分类器进行人脸检测。在OpenCV-master的data文件夹下。OpenCV-master的下载资源在连接： OpenCV-master

上图中文件夹的名字‘harrcascades’,'hogcascades','lbpcascades'分别表示通过‘harr','hog','lbp'三种不同的特征而训练出来的分类器：即各文件及中的文件。'haar'特征主要用于人脸检测，'hog'特征主要用于行人检测，'lbp'特征主要用于人脸识别。

在OpenCV里，我们用CascadeClassifier()类加载分类器，实现人脸检测主要依赖于detectMulitiScale()。

face_detect = cv.CascadeClassifier('E:/BaiduNetdiskDownload/opencv-master/opencv-master/data/haarcascades/haarcascade_frontalface_default.xml')

detectMultiScale( self, image, scaleFactor= None, minNeighbors= None, flags= None, minSize= None, maxSize= None)

image: 待检测图像，一般为灰度图

scaleFactor: 表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1，即每次搜索窗口依次扩大10%。

minNeighbors: 表示构成检测目标的相邻矩形的最小个数（默认为3个）。我们可以通过设置矩形个数调整检测准确率，如果检测到的错误目标比较多，我们增大相邻矩形个数，如果检测不到目标，或者很少，我们可以减少相邻矩形的个数，放大尺度。

flags: 一般不设置，如果使用，只能设置为CV_HAAR_DO_CANNY_PRUNING,函数将会使用Canny边缘检测来排除边缘过多或者过少的区域，因此这些区域通常不会是人脸所在区域。

minSize、maxSize：用来限制得到的目标区域范围。

二、代码实现

检测图片中的人脸和眼睛：

现在我们在图像中检测面部。如果检测到面部，它会返回面部所在的矩形区域rect(x, y, w, h)。一旦我们获得这个位置，我们可以穿件一个ROI并在其中进行眼部检测。

def face_detect_demo(img):
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    face_detect = cv.CascadeClassifier('E:/BaiduNetdiskDownload/opencv-master/opencv-master/data/haarcascades/haarcascade_frontalface_default.xml')
    eye_cascade = cv.CascadeClassifier('E:/BaiduNetdiskDownload/opencv-master/opencv-master/data/haarcascades/haarcascade_eye.xml')
    faces = face_detect.detectMultiScale(gray, 1.1, 5)
    for x, y, w, h in faces:
        cv.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)
        roi_gray = gray[y:y+h, x:x+w]
        roi_color = img[y:y+h, x:x+w]
        eyes = eye_cascade.detectMultiScale(roi_gray, 1.1, 10)
        for (ex, ey, ew, eh) in eyes:
            cv.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
    cv.imshow('result', img)

结果如下：

检测视频中的人脸：

def video_face_cascade():
    capture = cv.VideoCapture(0)
    cv.namedWindow('img', cv.WINDOW_AUTOSIZE)
    while (True):
        ret, frame = capture.read()
        #因为我们读取的视频是反的 所以执行翻转操作
        frame = cv.flip(frame, 1)
        face_detect_demo(frame)
        c = cv.waitKey(10)
        if c == 27:
            break

flip()函数可以实现图像的垂直、水平和同时垂直水平变换：

filpCode: =0 图像向下翻转；>0 图像向右翻转；<0 图像同时向下向右翻转

效果如下：

OpenCV学习笔记-人脸检测

猜你喜欢