haar级联分类器--人脸检测和匹配

分类器链接,https://download.csdn.net/download/fanzonghao/10582586

代码:

import numpy as np
import cv2

# 实例化人脸分类器
face_cascade = cv2.CascadeClassifier('./haarcascades/haarcascade_frontalface_default.xml')
# 实例化眼睛分类器
eye_cascade = cv2.CascadeClassifier('./haarcascades/haarcascade_eye.xml')
# 读取测试图片
img = cv2.imread('faces.jpg',cv2.IMREAD_COLOR)
# 将原彩色图转换成灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 开始在灰度图上检测人脸,输出是人脸区域的外接矩形框
faces = face_cascade.detectMultiScale(gray, 1.2, 8)
# 遍历人脸检测结果
for (x,y,w,h) in faces:
    # 在原彩色图上画人脸矩形框
    cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
    # 获取该人脸矩形框的感兴趣区域RoI, 浅复制
    roi_gray = gray[y:y+h, x:x+w]
    roi_color = img[y:y+h, x:x+w]
    # 开始在人脸区域中检测眼睛,输出是眼睛区域的外接矩形框
    eyes = eye_cascade.detectMultiScale(roi_gray)
    # 遍历眼睛检测结构
    for (ex,ey,ew,eh) in eyes:
   # 在原彩色图上画眼睛矩形框
        cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
# 显示画好矩形框的图片
cv2.namedWindow('faces', cv2.WINDOW_AUTOSIZE)
cv2.imshow('faces',img)
# 等待退出键
cv2.waitKey(0)
# 销毁显示窗口
cv2.destroyAllWindows()

模板检测:

import cv2
import numpy as np

# 读取图片,彩色模式
img_color = cv2.imread('faces.jpg',cv2.IMREAD_COLOR)
# 读取图片,灰度模式
img_gray = cv2.imread('faces.jpg',cv2.IMREAD_GRAYSCALE)
# 读取人脸模板图片,灰度模式
template = cv2.imread('face_template1.jpg',cv2.IMREAD_GRAYSCALE)
# 获取模板尺寸
w, h = template.shape[::-1]
# 模板匹配方法数组
methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR', 'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']
# 遍历匹配方法
for meth in methods:
    # 拷贝图片
    img_color2 = img_color.copy()
    img_gray2 = img_gray.copy()
    # 把字符串转换成代码
    method = eval(meth)
    # 模板匹配
    res = cv2.matchTemplate(img_gray2,template,method)
    # 获取匹配结果的最大、最小值,及其位置
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    # TM_SQDIFF 和 TM_SQDIFF_NORMED匹配方法:值越小,越相似
    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        # 取最小值位置,作为矩形框左上角位置
        top_left = min_loc
    else:
        # 取最大值位置,作为矩形框左上角位置
        top_left = max_loc
    # 根据模板尺寸计算出:矩形框右下角位置
    bottom_right = (top_left[0] + w, top_left[1] + h)
    # 画矩形框
    cv2.rectangle(img_color2,top_left, bottom_right, 255, 2)
    # 显示画好矩形框的图片
    cv2.namedWindow(meth, cv2.WINDOW_AUTOSIZE)
    cv2.imshow(meth,img_color2)
    # 等待退出键
    cv2.waitKey(0)
# 销毁显示窗口
cv2.destroyAllWindows()

基于Haar级联分类器的实时人脸检测是计算机视觉的一项技术,它利用预先训练好的分类器来快速定位图像的人脸区域。Haar特征是一种非常简单的特征,它通过计算图像相邻矩形区域像素值的差来提取信息。这种特征能够对图像的边缘、线段等进行有效的表示。Haar级联分类器通常使用AdaBoost算法来训练,这样可以组合大量的简单特征来区分不同的图像内容,例如区分人脸和非人脸。 以下是一个简单的示例,说明如何在Python使用OpenCV库和预训练的Haar级联分类器来实现实时人脸检测,并附上效果图。请注意,这里不直接提供源码和效果图,而是给出了实现步骤和代码示例,你可以根据这个示例来运行代码并获取效果图。 ```python import cv2 # 加载预训练的Haar级联人脸分类器 face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml') # 初始化摄像头 cap = cv2.VideoCapture(0) while True: # 从摄像头读取一帧图像 ret, frame = cap.read() # 将读取的图像转换为灰度图,这样可以提高检测的速度和效率 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 使用Haar级联分类器进行人脸检测 faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30)) # 在检测到的人脸周围画矩形框 for (x, y, w, h) in faces: cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2) # 显示结果图像 cv2.imshow('Face Detection', frame) # 按'q'键退出循环 if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放摄像头资源并关闭窗口 cap.release() cv2.destroyAllWindows() ``` 执行上述代码后,你的摄像头应该会打开,并且实时显示检测到的人脸。检测到的人脸会被蓝色的矩形框框出来。按下'q'键后,程序会退出。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值