图像处理之opencv&python实现人脸跟踪
发布时间
阅读量：
阅读量
opencv&python使用haar级联实现人脸跟踪
- haar级联
- 实现
- 视频检测
haar级联
级联分类器是什么？
级联分类器是一个把弱分类器串联成强分类器的过程。弱分类器是性能受限的分类器，没法正确的区分所有事物，如果你的问题很简单，他的输出结果会在可接受的范围内。强分类器可以正确的对数据进行分类
提取haar特征，需要计算图像中封闭矩形区域的像素值总和，为了避免计算冗余，我们建立图像的积分图，通过提供矩形区域四角坐标，来得到这部分区域的像素和。
在实际计算中，提取图像的haar特征需要计算多个尺度矩形的和，在实时系统中，重复对像素点进行遍历会大大降低效率，因此我们也采用积分图的方式来计算像素和。
实现
进行人脸检测，主要部分为两部：
1.创建级联分类器cv2.CascadeClassfier()
2.利用创建的级联分类器对图像进行多尺度检测cv2.detectMultiScale()
import cv2
img=cv2.imread('./img/face.jpg',cv2.IMREAD_UNCHANGED)
# 级联检测要求为灰度图
gray=cv2.cvtColor(img,cv2.COLOR_RGB2BGR)
# 创建级联分类器
face_cascade=cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
# 对图像进行检测
faces=face_cascade.detectMultiScale(gray,1.3,5)
# 检测结果是矩形框
for (x,y,w,h) in faces:
cv2.rectangle(img,(x,y),(x+w,y+h),(255,255,0),2)
cv2.imshow('face_cascade',img)
cv2.waitKey()
cv2.destroyAllWindows()
视频检测
import cv2
def detect():
face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
eye_cascade=cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')
cameraCapture = cv2.VideoCapture(0)
while True:
success, frame = cameraCapture.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.02, 20)
for (x, y, w, h) in faces:
cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 255, 0), 2)
roi_gray=gray[y:y+h,x:x+w]
img=frame[y:y+h,x:x+w]
eyes=eye_cascade.detectMultiScale(roi_gray,1.03,5,0)
for (ex,ey,ew,eh) in eyes:
cv2.rectangle(img,(ex,ey),(ex+ew,ey+eh),(0,255,255),2)
cv2.imshow('camera', frame)
if cv2.waitKey(1000 // 12) & 0xff == ord('q'):
break
cameraCapture.release()
cv2.destroyAllWindows()
if __name__=='__main__':
detect()
全部评论 (0)
还没有任何评论哟~