OpenCV人脸检测基于Haar级联

Haar Cascade 哈尔级联

1. 核心原理

（1）使用Haar-like特征做检测
（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

准备工作

首先从GitHub（https://github.com/opencv/opencv）下载文件并解压，从data文件夹中的haarcascades复制一下文件放在自己的项目中

代码实现

# 1 导入库
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 2 方法：显示图片
def show_image(image, title, pos):
    # BGR to RGB
    img_RGB = image[:, :, ::-1]
    plt.subplot(2, 2, pos)
    plt.title(title)
    plt.imshow(img_RGB)
    plt.axis("off")



# 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 读取图片
    image = cv2.imread("family.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, 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_image(face_alt2_result, "face_alt2", 1)

    plt.show()
# 12 主程序入口
if __name__ == '__main__':
    main()

运行结果：