浅析cv2.CascadeClassifier()函数

最新推荐文章于 2025-02-16 15:54:05 发布

Stray_Lambs

最新推荐文章于 2025-02-16 15:54:05 发布

阅读量4.2w

点赞数 28

分类专栏：人工智能文章标签： Opencv

本文链接：https://blog.csdn.net/Stray_Lambs/article/details/101123252

版权

最近开始学习Opencv以及相关的代码，看了一些网上的解释，总结一下CascadeClassifier()这个函数，方便以后加深印象。

CascadeClassifier，是Opencv中做人脸检测的时候的一个级联分类器。并且既可以使用Haar，也可以使用LBP特征。

Haar特征是一种反映图像的灰度变化的，像素分模块求差值的一种特征。它分为三类：边缘特征、线性特征、中心特征和对角线特征。用黑白两种矩形框组合成特征模板，在特征模板内用黑色矩形像素和减去白色矩形像素和来表示这个模版的特征值。例如：脸部的一些特征能由矩形模块差值特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述在特定方向（水平、垂直、对角）上有明显像素模块梯度变化的图像结构。这样就可以进行区分人脸。

LBP特征原理：http://www.360doc.com/content/18/0202/11/18306241_727150014.shtml

这是我从github上下载的一部分示例代码：

def getfacefromcamera(outdir):
    createdir(outdir)
    #获取摄像头
    camera = cv2.VideoCapture(0)
    #要检测cascade文件是否在路径下，最后一般使用绝对路径。
    haar = cv2.CascadeClassifier('h