如何使用Python在OpenCV中检测图像中的猫脸？

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 -