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()