目标:确定图片中人脸的位置,并画出矩形框。
1. 核心原理
(1)使用Haar-like特征做检测
注意:特征值为白色矩形像素和减去黑色矩形像素和
(2)Integral Image : 积分图加速特征计算
(3)AdaBoost : 选择关键特征,进行人脸和非人脸分类
(4)Cascade : 级联,弱分类器成为强分类器
它提供了四个级联分类器(针对人脸的正面):
(1)haarcascade_frontalface_alt.xml (FA1): 22 stages and 20 x 20 haar features
(2)haarcascade_frontalface_alt2.xml (FA2): 20 stages and 20 x 20 haar features
(3)haarcascade_frontalface_alt_tree.xml (FAT): 47 stages and 20 x 20 haar features
(4)haarcascade_frontalface_default.xml (FD): 25 stages and 24 x 24 haar features
# 1 导入库
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 2 方法:显示图片
def show_iamge(image, title, pos):
# BGR to RGB
img_RGB = image[:,:,::-1]
plt.subplot(1, 1, pos)
plt.title(title)
plt.imshow(img_RGB)
plt.axis("off") # 关闭坐标轴
# 3 方法:绘制图片中检测到的人脸
def plot_rectangle(image, faces):
# 拿到检测到的人脸数据,返回4个值:坐标(x,y), 宽高width, height
for (x, y, w, h) in faces:
cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 3)
return image
# 4 主函数
def main():
# 5 读取一张图片
image = cv2.imread("wedding photos.jpg")
# 6 转换成灰度图片
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 7 通过OpenCV自带的方法cv2.CascadeClassifier()加载级联分类器
face_alt2 = cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")
# 8 通过第7步,对图像中的人脸进行检测
face_alt2_detect = face_alt2.detectMultiScale(gray)
# 9 绘制图片中检测到的人脸
face_alt2_result = plot_rectangle(image.copy(), face_alt2_detect)
# 10 创建画布
plt.figure(figsize=(9, 6))
plt.suptitle("Face detection with Haar Cascade", fontsize=14, fontweight="bold")
# 11 最终显示整个检测效果
show_iamge(face_alt2_result, "face_alt2", 1)
plt.show()
# 12 主程序入口
if __name__ == '__main__':
main()