【笔记】OpenCV3 Haar级联 人脸检测

 

• CascadeClassifier 检测分类器

opencv的文件中提供了很多分类器,load这些分类器，就可以用来检测

---

摘抄一段大致的分类器的原理说明：

xml中存放的是训练后的特征池，特征size大小根据训练时的参数而定，检测的时候可以简单理解为就是将每个固定size特征（检测窗口）与输入图像的同样大小区域比较，如果匹配那么就记录这个矩形区域的位置，然后滑动窗口，检测图像的另一个区域，重复操作。由于输入的图像中特征大小不定，比如在输入图像中眼睛是50x50的区域，而训练时的是25x25，那么只有当输入图像缩小到一半的时候，才能匹配上，所以这里还有一个逐步缩小图像，也就是制作图像金字塔的流程
 

---

• 插个tip   关于haarcascade相关文件的路径，Anaconda里面是可以找到的。。

---

• detectMultiScale函数

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

参数：

image：–待检测图片，一般为灰度图像加快检测速度；

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)；

minSize和maxSize ：用来限制得到的目标区域的范围。如果视频中误检到很多无用的小方框，那么就把minSize的尺寸改大一些，默认的为30*30

 

用个例子试试

import cv2

file_name = 'img/wei.jpg'

def detect(filename):
    face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')

    img = cv2.imread(filename)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.1, 3)
    for (x,y,w,h) in faces:
        img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)

    cv2.namedWindow('face')
    cv2.imshow('face', img)

    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == "__main__":
    detect(file_name)

default的分类器，有些误差。。

 

换alt

 

换alt2  （快速的Haar），效果还可以哦

 

换 haarcascade_frontalface_alt_tree,一个也没了，尴尬了。。

 

• 加上眼睛的分类器

tip：在绘制眼睛的时候，返回的坐标是人脸内的坐标，所以加上人脸的X,Y

不同的图片，眼睛的大小有点差异，所以要调整minSize参数，不然容易把鼻子、嘴巴也误检测。。

haarcascade_eye_tree_eyeglasses.xml准确性还可以，但是容易漏掉

import cv2

file_name = r"img\Lena.jpg"

def detect(filename):
    face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_alt2.xml')
    eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')

    img = cv2.imread(filename)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.1, 3)
    for (x,y,w,h) in faces:
        img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)

        roi_gray = gray[y:y+h,x:x+w]
        eyes = eye_cascade.detectMultiScale(roi_gray, 1.03, 3, 0,(30,30))
        for (ex,ey,ew,eh) in eyes:
            cv2.rectangle(img,(ex+x,ey+y),(ex+ew+x,ey+eh+y),(0,255,0),2)

    cv2.namedWindow('face')
    cv2.imshow('face', img)

    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == "__main__":
    detect(file_name)

 

• 加上笑容检测

smile_Cascade = cv2.CascadeClassifier('./cascades/haarcascade_smile.xml')


smile = smile_Cascade.detectMultiScale(roi_gray, 1.2, 7, 0, minSize=(5, 5))

for (x2, y2, w2, h2) in smile:
    cv2.rectangle(roi_color, (x2, y2), (x2 + w2, y2 + h2), (0, 0, 255), 1)
    cv2.putText(img, 'Smile', (x, y - 7), 2, 1, (0, 255, 0), 2, cv2.LINE_AA)

 

 

• 从视频中读取

稍微改造下，将视频一帧一帧读取出来，每一帧的图片就可以重复上面图片检测测步骤

 

添加新的函数，def detectFromVideo(filename)，当filename传入0时，就可以从摄像头获取，当传入视频文件时，就会读取视频文件

def detectFromVideo(filename):
    face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_alt2.xml')
    eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')

    camera = cv2.VideoCapture(filename)
    isopen = camera.isOpened()
    if not isopen:
        print('打开摄像头失败...')

    camera.set(3, 1280)
    camera.set(4, 720)

    cv2.namedWindow('face')
    while isopen:
        ret, frame = camera.read()
        if ret:
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
            faces = face_cascade.detectMultiScale(gray, 1.3, 5,minSize=(50,50),maxSize=(300,300))
            if len(faces) > 1:
                picfile = "./out/video" + "_{}.jpg".format(time.time())
                cv2.imwrite(picfile, frame)
            for (x,y,w,h) in faces:
                cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)

                roi_gray = gray[y:y+h,x:x+w]
                eyes = eye_cascade.detectMultiScale(roi_gray, 1.03, 5, 0,(15,15),(60,60))
                for (ex,ey,ew,eh) in eyes:
                    cv2.rectangle(frame,(ex+x,ey+y),(ex+ew+x,ey+eh+y),(0,255,0),2)

            cv2.imshow('face', frame)
            pressKey = cv2.waitKey(1)
            if cv2.getWindowProperty('face', cv2.WND_PROP_AUTOSIZE) < 1:
                break
            if pressKey == 27:  # ESC
                print('退出。。。。。')
                break
        else:
            break


    camera.release()
    cv2.destroyAllWindows()

眼睛的识别不是很准确。。