计算机视觉·OpenCV使用Haar+Cascade实现人脸检测

Posted 2023-04-09 云朵先生_

前言

人脸检测的目标是找出图像中所有的人脸对应的位置，算法的输出是人脸的外接矩形在图像中的坐标。使用 haar 特征和 cascade 检测器进行人脸检测是一种传统的方式，下面将给出利用 OpenCV 中的 haarcascade 进行人脸检测的代码。

程序流程

代码

import cv2

# 原图
img = xxx

# 使用预训练模型创建 Cascade 分类器
getCascade = lambda model_name: cv2.CascadeClassifier(cv2.data.haarcascades + model_name)
faceCascade = getCascade("haarcascade_frontalface_default.xml")

# 获取原图像灰度图
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# 识别，将结果存储到 faces 变量中
faces = faceCascade.detectMultiScale(imgGray , 1.2 , 8)

for (x,y,w,h) in faces:
    
    # 将结果绘制到原图中
    cv2.rectangle(img, (x,y), (x+w,y+h), (0,0,255) ,2)

# 显示图像
cv2.imshow("img", img)
cv2.waitKey(0)

可选的人脸检测模型（区别是检测速度和精度不同）：

• haarcascade_frontalface_alt.xml
• haarcascade_frontalface_alt2.xml
• haarcascade_frontalface_alt_tree.xml
• haarcascade_frontalface_default.xml
• haarcascade_profileface.xml

说明：使用 haar 特征和 cascade 检测器进行目标检测属于传统机器学习的方式，检测精度较低，效果并不是非常理想

从图像中检测人脸

'''
Author: CloudSir
@Github: https://github.com/CloudSir
Date: 2023-04-05 10:03:53
LastEditTime: 2023-04-05 10:08:37
LastEditors: CloudSir
Description: 
'''
import cv2

# 原图
img = cv2.imread("./test.jpg")

# 使用预训练模型创建 Cascade 分类器
getCascade = lambda model_name: cv2.CascadeClassifier(cv2.data.haarcascades + model_name)
faceCascade = getCascade("haarcascade_frontalface_default.xml")

# 获取原图像灰度图
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# 识别，将结果存储到 faces 变量中
faces = faceCascade.detectMultiScale(imgGray , 1.2 , 8)

for (x,y,w,h) in faces:
    
    # 将结果绘制到原图中
    cv2.rectangle(img, (x,y), (x+w,y+h), (0,0,255) ,2)

cv2.imshow("img", img)
cv2.waitKey(0)

原图：

结果：

从视频中检测人脸

'''
Author: CloudSir
@Github: https://github.com/CloudSir
Date: 2023-04-03 19:50:34
LastEditTime: 2023-04-05 09:59:51
LastEditors: CloudSir
Description: 
'''
import cv2
import numpy as np

cap = cv2.VideoCapture("./test.mp4")

while cap.isOpened():
    img = cap.read()[1]
    getCascade = lambda model_name: cv2.CascadeClassifier(cv2.data.haarcascades + model_name)
    faceCascade = getCascade("haarcascade_frontalface_default.xml")
    imgGray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(imgGray, 1.2, 8)

    for (x,y,w,h) in faces:
        cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),2)
        print(x, y, w, h)

    cv2.imshow("cam", img)
    if cv2.waitKey(1) == ord('q'): # 按下q退出
        cv2.destroyAllWindows()
        cap.release()
        break

从摄像头中实时检测人脸

'''
Author: CloudSir
@Github: https://github.com/CloudSir
Date: 2023-04-03 19:50:34
LastEditTime: 2023-04-05 09:59:51
LastEditors: CloudSir
Description: 
'''
import cv2
import numpy as np

cap = cv2.VideoCapture(0)
while cap.isOpened():
    img = cap.read()[1]
    img = cv2.flip(img, 1) # 镜像

    getCascade = lambda model_name: cv2.CascadeClassifier(cv2.data.haarcascades + model_name)
    faceCascade = getCascade("haarcascade_frontalface_default.xml")
    imgGray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(imgGray, 1.2, 8)

    for (x,y,w,h) in faces:
        cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),2)
        print(x, y, w, h)

    cv2.imshow("cam", img)
    if cv2.waitKey(1) == ord('q'): # 按下q退出
        cv2.destroyAllWindows()
        cap.release()
        break

---

致正在学习计算机视觉的小伙伴们：

计算机视觉往往离不开 Python 语言，Python 是调用计算机视觉工具的必备语言，如 OpenCV、TensorFlow、PyTorch、PaddlePaddle 等都需要使用 Python。

如果你正打算学习计算机视觉，而恰巧又是一个 Python 新手，需要找一个可以在线学习的网站，我建议你去牛客网 ，他们的python题单是从最基础的输出、字符串格式化输出开始，经过运算符、列表、循环语句、条件语句、元组、字典、函数等知识点，一步一步教你慢慢学会Python那为数不多的基本语法，最后再配合上8道具有实践意义的综合实践题，可以帮你更加有效的巩固前面学会的知识。

• 牛客网 - Python学习专区

加油，希望在计算机视觉这条路上的前方遇见你。

OpenCV——Haar-like特征

Haar-like特征——即Haar特征，是计算机视觉领域一种常用的特征描述算子。它最早用于人脸描述。

目前常用的Haar-like特征可以分为以下几类：线性特征、边缘特征、点特征（中心特征）、对角线特征。

每一种特征的计算都是由黑色填充区域的像素值之和与白色填充区域的像素值之和的差值。而计算出来的这个差值就是所谓的Haar-like特征的特征值。