1.1 Haar特征分类器介绍
Haar特征分类器就是一个XML文件,该文件中会描述人体各个部位的Haar特征值。包括人脸、眼睛、嘴唇等等。
Haar特征分类器存放目录:
D:\wsbSoft\Anaconda3\envs\tensorflow\Library\etc\haarcascades,根据命名就可以很快知道各个分类器的用途
1.2 detectMultiScale函数详解
cvHaarDetectObjects是opencv1中的函数,opencv2中人脸检测使用的是 detectMultiScale函数。它可以检测出图片中所有的人脸,并将人脸用vector保存各个人脸的坐标、大小(用矩形表示),函数由分类器对象调用:
void detectMultiScale(
const Mat& image,
CV_OUT vector<Rect>& objects,
double scaleFactor = 1.1,
int minNeighbors = 3,
int flags = 0,
Size minSize = Size(),
Size maxSize = Size()
);
函数介绍:
参数1:image--待检测图片,一般为灰度图像加快检测速度;
参数2:objects--被检测物体的矩形框向量组;
参数3:scaleFactor--表示在前后两次相继的扫描中,搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;
参数4:minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。如果min_neighbors 为 0,则函数不做任何操作就返回所有的被检候选矩形框, 这种设定值一般用在用户自定义对检测结果的组合程序上;
参数5:flags--要么使用默认值,要么使用CV_HAAR_DO_CANNY_PRUNING,如果设置为CV_HAAR_DO_CANNY_PRUNING,那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域,因此这些区域通常不会是人脸所在区域;
参数6、7:minSize和maxSize用来限制得到的目标区域的范围。
1.3 实例应用
1.3.1 图片人脸检测
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 人脸分类器 D:\\wsbSoft\\Anaconda3\\envs\\tensorflow\\Library\\etc\\haarcascades\\haarcascade_frontalface_alt_tree.xml
# 人脸分类器 face = cv2.CascadeClassifier('D:\\wsbSoft\\Anaconda3\\envs\\tensorflow\\Library\\etc\\haarcascades\\haarcascade_frontalface_alt_tree.xml')
# 人眼分类器 face = cv2.CascadeClassifier('D:\\wsbSoft\\Anaconda3\\envs\\tensorflow\\Library\\etc\\haarcascades\\haarcascade_eye.xml')
# hfa文件就是haarcascade_frontalface_alt_tree.xml的当前路径
#图片人脸检测
def face_image():
face = cv2.CascadeClassifier('hfa.xml')
img = cv2.imread('girl.jpg',cv2.IMREAD_UNCHANGED)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
faces = face.detectMultiScale(gray)
print(faces)
for x,y,w,h in faces:
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
cv2.imshow('face_image',img)
cv2.waitKey()
cv2.destroyAllWindows()
face_image() #调用图像人脸检测函数
1.3.2 摄像头人脸检测
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 人脸分类器 D:\\wsbSoft\\Anaconda3\\envs\\tensorflow\\Library\\etc\\haarcascades\\haarcascade_frontalface_alt_tree.xml
# 人脸分类器 face = cv2.CascadeClassifier('D:\\wsbSoft\\Anaconda3\\envs\\tensorflow\\Library\\etc\\haarcascades\\haarcascade_frontalface_alt_tree.xml')
# 人眼分类器 face = cv2.CascadeClassifier('D:\\wsbSoft\\Anaconda3\\envs\\tensorflow\\Library\\etc\\haarcascades\\haarcascade_eye.xml')
# hfa文件就是haarcascade_frontalface_alt_tree.xml的当前路径
#摄像头人脸检测
def face_came():
face = cv2.CascadeClassifier('hfa.xml')
capture = cv2.VideoCapture(0)
while(True):
ret,frame = capture.read()
if ret is False:
break
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
faces = face.detectMultiScale(gray,1.1,3,0,(100,100))
for(x,y,w,h) in faces:
cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
cv2.imshow('face_came',frame)
c = cv2.waitKey(10)
if c == 27:
break
capture.release()
cv2.destroyAllWindows()
face_came() #摄像头人脸检测
1.3.3 视频人脸检测
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 人脸分类器 D:\\wsbSoft\\Anaconda3\\envs\\tensorflow\\Library\\etc\\haarcascades\\haarcascade_frontalface_alt_tree.xml
# 人脸分类器 face = cv2.CascadeClassifier('D:\\wsbSoft\\Anaconda3\\envs\\tensorflow\\Library\\etc\\haarcascades\\haarcascade_frontalface_alt_tree.xml')
# 人眼分类器 face = cv2.CascadeClassifier('D:\\wsbSoft\\Anaconda3\\envs\\tensorflow\\Library\\etc\\haarcascades\\haarcascade_eye.xml')
# hfa文件就是haarcascade_frontalface_alt_tree.xml的当前路径
#视频人脸检测
def face_video():
face_detector = cv2.CascadeClassifier('hfa.xml')
capture = cv2.VideoCapture('001.avi')
while(True):
ret,frame = capture.read()
if ret is False:
break
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
faces = face_detector.detectMultiScale(gray,1.1,3,0,(100,100))
for x,y,w,h in faces:
cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
cv2.imshow('face_video',frame)
c = cv2.waitKey(10)
if c==27:
break
capture.release()
cv2.destroyAllWindows()
face_video() #视频人脸检测
如果要识别人体的其它部位,只需将上面的haarcascade_frontalface_alt2.xml分类器替换即可。