Haar级联
对给定的图像, 特征可能会因区域大小而有所不同, 区域大小也可被称为窗口大小 (window size)。 即使窗口大小不一样, 仅在尺度上不同的两幅图像也应该有相似的特征。 因 此, 能为不同大小的窗口生成特征非常有用。 这些特征集合称为级联。 Haar级联具有尺度不变性, 换句话说, 它在尺度变化上具有鲁棒性。 OpenCV提供了尺度不变Haar级联的分类器和跟踪器, 并可将其保存成指定的文件格式。
OpenCV的 Haar级联不具有旋转不变性。 例如, Haar级联不认为倒置的人脸图像和直立的人脸图像一样, 而侧面的人脸图像与正面的人脸图像也不 样。 可通过多种图像变换和多种窗口大小来提高Haar级联的旋转鲁棒性, 但这样会变得很复杂, 而且会耗费更多 计算资源。
代码
将haar文件放在自定义文件夹下或者工程目录中。
图片检测
import cv2
# 加载人脸、眼的检测分类器
face = cv2.CascadeClassifier('./haar/haarshare/haarcascade_frontalface_default.xml')
eye = cv2.CascadeClassifier('./haar/haarshare/haarcascade_eye.xml')
# 读取图像并灰度化,haar特征提取非常耗时,灰度图下可以提高检测效率
img = cv2.imread(r'F:\OPENCV\Opencv\pg.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 人脸检测: gray灰度图,scaleFactor表示检测过程中每次迭代时图像的缩小比例,
# minNeighbors表示人脸矩形框保留数目的最小值(即同一区域多个矩形框同时存在为人脸检测成功),默认为3
faces = face.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 2)
roi_face = gray[y:y + h, x:x + h]
roi_color = img[y:y + h, x:x + h]
# 眼睛检测
eyes = eye.detectMultiScale(roi_face, 1.3, 3)
for (ex, ey, ew, eh) in eyes:
cv2.rectangle(img, (x + ex, y + ey), (x + ex + ew, y + ey + eh), (0, 255, 0), 2)
cv2.imshow('dst', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果显示
视频检测(程序可正常运行,本人未上传检测结果)
import cv2
face = cv2.CascadeClassifier('./haar/haarshare/haarcascade_frontalface_default.xml')
eye = cv2.CascadeClassifier('./haar/haarshare/haarcascade_eye.xml')
cap = cv2.VideoCapture(0)
while True:
ret, frame = cap.read()
faces = face.detectMultiScale(frame, 1.1, 5)
for (x, y, w, h) in faces:
frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)
face_area = frame[y:y + h, x:x + w]
eyes = eye.detectMultiScale(face_area)
for (ex, ey, ew, eh) in eyes:
cv2.rectangle(face_area, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)
cv2.imshow('frame', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 关闭摄像头和窗口
cap.release()
cv2.destroyAllWindows()
参考文献
1.OpenCV计算机视觉Python实现