基于Haar特征和AdaBoost分类器的人脸检测

基于Haar特征和AdaBoost分类器的人脸检测

一、Haar特征与AdaBoost分类器

Haar特征与AdaBoost分类器的介绍
Haar特征
Adaboost入门教程——最通俗易懂的原理介绍（图文实例）
Haar人脸检测原版论文
Rapid Object Detection using a Boosted Cascade of Simple Features

二、静态图片检测

import cv2
img = cv2.imread('test.jpg',0)
face_cascade = cv2.CascadeClassifier('./haar_model/haarcascade_frontalface_default.xml')
# 1.25和6是多尺度检测系数，第一个值越小越容易检测出小尺寸的目标，第二个反之
faces = face_cascade.detectMultiScale(img,1.25,6)
for(x,y,w,h) in faces:
    cv2.rectangle(img,(x,y),(x+w,y+w),(0,255,0),2)
cv2.imshow("Find Faces!",img)
cv2.waitKey(0)
cv2.destroyAllWindows()

上面的代码需要注意一个地方：写成如下所示会报错，原因是找不到模型文件

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

error                                     Traceback (most recent call last)
<ipython-input-11-d089b1bb55ec> in <module>()
      1 img = cv2.imread('2.jpg',0)
      2 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
----> 3 faces = face_cascade.detectMultiScale(img,1.25,6)
      4 
      5 for(x,y,w,h) in faces:

error: C:\ci\opencv_1512688052760\work\modules\objdetect\src\cascadedetect.cpp:1698: error: (-215) !empty() in function cv::CascadeClassifier::detectMultiScale

我的OpenCV安装在Anaconda3的环境中，具体位置在D:\Program Files\Anaconda3\envs\pytorch-gpu\Library\etc\haarcascades
将模型文件都拷贝到项目文件夹下，改好路径就可以使用了。

测试结果如下：

Haar的效果不是很好，漏检了一个。

三、视频检测

# 读取模型文件
face_cascade = cv2.CascadeClassifier('./haar_model/haarcascade_frontalface_default.xml')
# 调用摄像头
# cap = cv2.VideoCapture('test.mp4')
cap = cv2.VideoCapture(0)
while cap.isOpened():
    ret,frame = cap.read()
    if ret:
        # 检测人脸
        faces = face_cascade.detectMultiScale(frame,1.25,6)
        # draw bounding box
        for(x,y,w,h) in faces:
            cv2.rectangle(frame,(x,y),(x+w,y+w),(0,255,0),2)
        cv2.imshow('a',frame)
        k = cv2.waitKey(1)
        if k & 0xff == ord('q'):
            break
cap.release()
cv2.destroyAllWindows()