haar 级联分类器是一种有效的对象检测方法。这是一种基于机器学习的方法。为了训练用于猫脸检测的haar级联分类器,该算法最初需要大量的正面图像(有猫脸的图像)和负面图像(没有猫脸的图像)。分类器是从这些正图像和负图像训练的。然后,它用于检测其他图像中的猫脸。
我们可以使用已经训练好的haar级联来进行微笑检测。对于输入图像中的微笑检测,我们需要两个haar级联,一个用于面部检测,另一个用于微笑检测。我们将使用haarcascade_frontalcatface.xml在图像中进行猫脸检测。
如何下载哈卡斯卡德?
您可以在GitHub网站地址以下找到不同的haarcascades -
https://github.com/opencv/opencv/tree/master/data/haarcascades
要下载用于猫脸检测的haar级联,请单击haarcascade_frontalcatface.xml文件。以原始格式打开它,右键单击并保存。
步骤
要检测图像中的猫脸并在它们周围绘制边界框,您可以按照以下步骤操作 -
-
导入所需的库。在以下所有示例中,所需的 Python 库是 OpenCV。确保您已经安装了它。
-
使用 cv2.imread() 读取输入图像。指定完整的图像路径。将输入图像转换为灰度。
-
启动 Haar 级联分类器对象 cat_cascade = cv2。CascadeClassifier() 用于猫脸检测。传递 haar 级联 xml 文件的完整路径。您可以使用 haar 级联文件haarcascade_frontalcatface.xml来检测图像中的猫脸。
-
使用 cat_cascade.detectMultiScale() 检测输入图像中的猫脸。它以 (x,y,w,h) 格式返回检测到的猫脸的坐标。
-
使用 cv2.rectangle() 在原始图像中检测到的猫脸周围绘制边界矩形。
-
在猫脸周围使用绘制的边框显示图像。
让我们看一些示例来检测图像中的猫脸。
例
在此示例中,我们使用 haar 级联检测输入图像中的猫脸。
# import required libraries
import cv2
# read the input image
img = cv2.imread('cat.jpg')
# convert the input image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# read the haarcascade to detect cat faces
cat_cascade = cv2.CascadeClassifier('haarcascades\haarcascade_frontalcatface.xml')
# Detects cat faces in the input image
faces = cat_cascade.detectMultiScale(gray, 1.1, 3)
print('Number of detected cat faces:', len(faces))
# if atleast one cat face id detected
if len(faces) > 0:
print("Cat face detected")
for (x,y,w,h) in faces:
# To draw a rectangle in a face
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,255),2)
cv2.putText(img, 'cat face', (x, y-3),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,255,0), 1)
else:
print("No cat face detected")
# Display an image in a window
cv2.imshow('Cat Image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
我们将使用此图像作为该程序的输入文件 -
输出
当你执行程序时,它将产生以下输出 -
Number of detected cat faces: 1
Cat face detected
我们得到以下输出窗口 -