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
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

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:

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值