人脸识别-Haar级联

Posted 2022-02-03 进步小白

目录

概念

haar级联数据获取

 实例操作

---

概念

摄影作品可能包含很多令人愉悦的细节。但是，由于灯光、视角、视距、摄像头抖动以及数字噪声的变化，图像细节变得不稳定。人们在分类时不会受这些物理细节方面差异的影响。 因此，提取出图像的细节对产生稳定分类结果和跟踪结果很有用。这些提取的结果被称为特征，专业的表述为：从图像数据中提取特征。虽然任意像素都可以能影响多个特征，但特征应该比像素少得多。两个图像的相似程度可以通过它们对应特征的欧氏距离来度量。 Haar 特征是一种用于实现实时人脸跟踪的特征。每一个 Haar 特征都描述了相邻图像区域的对比模式。例如，边，顶点和细线都能生成具有判别性的特征。

haar级联数据获取

Releases - OpenCVhttps://opencv.org/releases/page/3/

 选择合适的版本。

在 sources 的一个文件夹 data/haarcascades。该文件夹包含了所有 OpenCV 的人脸检测的 XML 文件，这些可用于检测静止图像、视频和摄像头所得到图像中的人脸。

人脸检测器（默认）：haarcascade_frontalface_default.xml 人脸检测器（快速 Harr）：haarcascade_frontalface_alt2.xml 人脸检测器（侧视）：haarcascade_profileface.xml 眼部检测器（左眼）：haarcascade_lefteye_2splits.xml 眼部检测器（右眼）：haarcascade_righteye_2splits.xml 嘴部检测器：haarcascade_mcs_mouth.xml 鼻子检测器：haarcascade_mcs_nose.xml 身体检测器：haarcascade_fullbody.xml 人脸检测器（快速 LBP）：lbpcascade_frontalface.xml 

 实例操作

原图片:

import cv2 as cv
def face_detect_demo():
    #将图片转换为灰度图片
    gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    #加载特征数据
    face_detector=cv.CascadeClassifier('C:/Users/Desktop/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    faces=face_detector.detectMultiScale(gray)
    for x,y,w,h in faces:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
    cv.imshow('result',img)
#加载图片
img=cv.imread('face.jpg')
face_detect_demo()
cv.waitKey(0)
cv.destroyAllWindows()

得到结果：