OpenCV+python：人脸检测

最新推荐文章于 2022-07-10 15:25:45 发布

@迷途小书童

最新推荐文章于 2022-07-10 15:25:45 发布

阅读量446

点赞数

分类专栏： OpenCV/基本图像处理算法

本文链接：https://blog.csdn.net/qq_43660987/article/details/91356807

版权

这篇博客介绍了人脸检测的基本概念，包括两种主要模型——知识模型和统计模型。重点讲述了OpenCV中常用的人脸检测特征，如Haar特征，并说明了OpenCV预先训练好的Haar特征分类器在人脸检测中的应用。还提供了在GitHub上找到OpenCV预训练分类器的链接，并给出了简单的源代码示例。

摘要由CSDN通过智能技术生成

1，人脸检测简介
人脸检测的模型主要有两类，一类是知识模型，根据眼睛、嘴、鼻子的相对位置或面部不同部位的颜色深度差异来检测人脸，另一类是统计模型，把海量的人脸数据转换成二维像素矩阵，从统计的观点出发构建人脸模式空间判断人脸是否存在。

2,特征数据
最常用到的三种特征分别为Haar特征、LBP特征及HOG特征，三种特征描述了三种不同的局部信息：
（1） Haar描述的是图像在局部范围内像素值明暗变换信息；
（2）LBP描述的是图像在局部范围内对应的纹理信息；
（3）HOG描述的则是图像在局部范围内对应的形状边缘梯度信息。
其中，OpenCV使用的Haar特征分类器属于第二种模型，训练人脸检测的特征分类器是个非常耗时费力的工作，需要收集大量的正负样本，不过值得庆幸的是OpenCV已经为我们完成了这项工作。关于Haar的具体原理和算法请大家自行百度，简单点说Haar特征分类器是xml文件，记录了面部正面、侧面、左右眼、鼻子、笑脸、上半身等多个Haar特征数据，通过对输入图片进行级联筛选查找人脸
3.人脸检测的实现
在搜索“github opencv”，在“opencv/data/haarcascades”目录下可以看到各种各样的特征分类器（xml文件），从文件名上可以轻易区分出分类器的用途，如“haarcascadesfrontalface_default.xml”是脸部正面特征分类器。https://github.com/opencv/opencv/tr