图像处理之opencv&python实现人脸跟踪

最新推荐文章于 2022-07-24 22:49:08 发布

朱骥伦

最新推荐文章于 2022-07-24 22:49:08 发布

阅读量657

点赞数 1

分类专栏：图像处理 opencv

本文链接：https://blog.csdn.net/qq_36587495/article/details/108642423

版权

本文介绍了如何利用haar级联分类器实现人脸检测。级联分类器将弱分类器串联形成强分类器，用于图像处理。通过创建cv2.CascadeClassifier并应用cv2.detectMultiScale()方法，实现实时视频中的人脸检测。

摘要由CSDN通过智能技术生成

haar级联

级联分类器是什么？

级联分类器是一个把弱分类器串联成强分类器的过程。弱分类器是性能受限的分类器，没法正确的区分所有事物，如果你的问题很简单，他的输出结果会在可接受的范围内。强分类器可以正确的对数据进行分类

提取haar特征，需要计算图像中封闭矩形区域的像素值总和，为了避免计算冗余，我们建立图像的积分图，通过提供矩形区域四角坐标，来得到这部分区域的像素和。

在实际计算中，提取图像的haar特征需要计算多个尺度矩形的和，在实时系统中，重复对像素点进行遍历会大大降低效率，因此我们也采用积分图的方式来计算像素和。

实现

进行人脸检测，主要部分为两部：

1.创建级联分类器cv2.CascadeClassfier()
2.利用创建的级联分类器对图像进行多尺度检测cv2.detectMultiScale()


import cv2
img=cv2.imread('./img/face.jpg',cv2.IMREAD_UNCHANGED)
# 级联检测要求为灰度图
gray=cv2.cvtColor(img,cv2.COLOR_RGB2BGR)
# 创建级联分类器
face_cascade=cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
# 对图像进行检测
faces=face_cascade.detectMultiScale(gray,1.3,5)
# 检测结果是矩形框
for (x,y,w,