超詳細注釋之OpenCV Haar級聯(lián)檢測器進行面部檢測
更新時間：2021年09月09日 16:53:23 作者：程序媛一枚~
這篇文章主要介紹了OpenCV Haar級聯(lián)檢測器進行面部檢測，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下
這篇博客將介紹如何使用預訓練好的OpenCV Haar級聯(lián)人臉、眼睛、嘴部檢測器，并將它們應用于圖片及實時視頻流的檢測。
人臉檢測結(jié)果是最穩(wěn)定和準確的。不幸的是，在許多情況下，眼睛檢測和嘴巴檢測結(jié)果是不可用的——對于面部特征/部分提取，強烈建議使用python，dlib，OpenCV提取眼睛，鼻子，嘴唇及下頜，dlib的檢測要比眼睛Haar級聯(lián)，嘴巴Haar級聯(lián)本身更穩(wěn)定，甚至更快。
Haar級聯(lián)算法是OpenCV最流行的目標檢測算法，主要優(yōu)點是速度太快了，盡管許多算法（如HOG+線性SVM、SSDs、更快的R-CNN、YOLO等等）比Haar級聯(lián)算法更精確。但如果需要純粹的速度，就是無法打敗OpenCV的Haar cascades。
Haar Cascades尤其是在資源受限的設(shè)備中工作時，當無法使用更昂貴的計算對象檢測器時，效果顯著。Haar級聯(lián)的缺點是容易出現(xiàn)假陽性檢測，應用于推理/檢測時需要進行參數(shù)調(diào)整。
1. 效果圖
Haar級聯(lián)檢測的效果如下：
可以看到圖中有固定大小的面在移動，就可以“訓練”分類器來識別圖像的給定區(qū)域是否包含人臉。
面部、眼睛、嘴部檢測效果圖如下：
有時候會有假陽性結(jié)果，如下圖：
可以看到檢測并不是最準確的，臉部是準確的，但嘴和眼睛級聯(lián)發(fā)生好幾個假陽性。當眨眼時，有兩種情況發(fā)生：（1）眼睛區(qū)域不再被檢測到，或者（2）它被錯誤地標記為嘴巴，在許多幀中往往有多個嘴巴檢測結(jié)果。
2. 原理
2.1 Haar級聯(lián)是什么？
Haar級聯(lián)檢測5個特征：邊緣特征、線特征、四角-矩形的特征，計算特征需要從黑色區(qū)域下的像素總和中減去白色區(qū)域下的像素總和。有趣的是，這些特征在人臉檢測中具有實際的重要性：
- 眼睛區(qū)域往往比臉頰區(qū)域暗。
- 鼻子區(qū)域比眼睛區(qū)域亮。
給定這五個矩形區(qū)域及其相應的和差，就可以形成能夠?qū)θ四樀母鱾€部分進行分類的特征。
Haar級聯(lián)的一些好處是，由于使用了積分圖像（也稱為求和面積表），它們在計算類似Haar的特征時非?？臁Ｍㄟ^使用AdaBoost算法，它們對特征選擇也非常有效。最重要的是，它們可以檢測圖像中的人臉，而不考慮人臉的位置或比例。
2.2 Haar級聯(lián)的問題與局限性
Haar級聯(lián)檢測器的問題與局限主要有3點：
- 需要最有效的正面圖像的臉；
- 容易出現(xiàn)誤報——Viola-Jones算法可以在沒有人臉的情況下輕松報告圖像中的人臉；
- 調(diào)優(yōu)OpenCV檢測參數(shù)會非常乏味。有時可以檢測出圖像中的所有人臉，有時會（1）圖像的區(qū)域被錯誤地分類為面部；（2）面部被完全遺漏時。
2.3 Haar級聯(lián)預訓練的模型
OpenCV庫維護一個預先訓練好的Haar級聯(lián)庫。包括：
- haarcascade_frontalface_default.xml：檢測面部
- haarcascade_eye.xml：檢測左眼和右眼
- haarcascade_smile.xml：檢測面部是否存在嘴部
- haarcascade_eye_tree_eyeglasses.xml：檢測是否帶墨鏡🕶
- haarcascade_frontalcatface.xml：檢測貓臉
- haarcascade_frontalcatface_extended.xml：檢測貓臉延伸
- haarcascade_frontalface_alt.xml：檢測貓臉屬性
- haarcascade_frontalface_alt_tree.xml
- haarcascade_frontalface_alt2.xml
- haarcascade_fullbody.xml：檢測全身
- haarcascade_lefteye_2splits.xml：檢測左眼
- haarcascade_licence_plate_rus_16stages.xml：檢測證件
- haarcascade_lowerbody.xml：檢測下半身
- haarcascade_profileface.xml
- haarcascade_righteye_2splits.xml：檢測右眼
- haarcascade_russian_plate_number.xml：檢測俄羅斯字母車牌號
- haarcascade_upperbody.xml：檢測上半身
還提供了其他經(jīng)過預訓練的Haar級聯(lián)，包括一個用于俄羅斯牌照，另一個用于貓臉檢測。
可以使用cv2.CascadeClassifer從磁盤加載預先訓練好的Haar級聯(lián)檢測器：
detector = cv2.CascadeClassifier(path)
可以使用detectMultiScale對其進行預測：
results = detector.detectMultiScale( gray, scaleFactor=1.05, minNeighbors=5, minSize=(30, 30), flags=cv2.CASCADE_SCALE_IMAGE)
3. 源碼
3.1 圖像檢測
# USAGE
# python opencv_haar_cascades_images.py --cascades cascades --image ml.jpg
# 導入必要的包
import argparse
import os # 不同系統(tǒng)路徑分隔符
import cv2 # opencv綁定
import imutils
# 構(gòu)建命令行參數(shù)及解析
# --cascades 級聯(lián)檢測器的路徑
ap = argparse.ArgumentParser()
ap.add_argument("-c", "--cascades", type=str, default="cascades",
help="path to input directory containing haar cascades")
ap.add_argument("-i", "--image", type=str, default="ml2.jpg",
help="path to input image")
args = vars(ap.parse_args())
# 初始化字典，并保存Haar級聯(lián)檢測器名稱及文件路徑
detectorPaths = {
"face": "haarcascade_frontalface_default.xml",
"eyes": "haarcascade_eye.xml",
"smile": "haarcascade_smile.xml",
}
# 初始化字典以保存多個Haar級聯(lián)檢測器
print("[INFO] loading haar cascades...")
detectors = {}
# 遍歷檢測器路徑
for (name, path) in detectorPaths.items():
# 加載Haar級聯(lián)檢測器并保存到map
path = os.path.sep.join([args["cascades"], path])
detectors[name] = cv2.CascadeClassifier(path)
# 從磁盤讀取圖像，縮放，并轉(zhuǎn)換灰度圖
print(args['image'])
image = cv2.imread(args["image"])
image = imutils.resize(image, width=500)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 使用合適的Haar檢測器執(zhí)行面部檢測
faceRects = detectors["face"].detectMultiScale(
gray, scaleFactor=1.05, minNeighbors=5, minSize=(30, 30),
flags=cv2.CASCADE_SCALE_IMAGE)
# 遍歷檢測到的所有面部
for (fX, fY, fW, fH) in faceRects:
# 提取面部ROI
faceROI = gray[fY:fY + fH, fX:fX + fW]
# 在面部ROI應用左右眼級聯(lián)檢測器
eyeRects = detectors["eyes"].detectMultiScale(
faceROI, scaleFactor=1.1, minNeighbors=10,
minSize=(15, 15), flags=cv2.CASCADE_SCALE_IMAGE)
# 在面部ROI應用嘴部檢測
smileRects = detectors["smile"].detectMultiScale(
faceROI, scaleFactor=1.1, minNeighbors=10,
minSize=(15, 15), flags=cv2.CASCADE_SCALE_IMAGE)
# 遍歷眼睛邊界框
for (eX, eY, eW, eH) in eyeRects:
# 繪制眼睛邊界框（紅色）
ptA = (fX + eX, fY + eY)
ptB = (fX + eX + eW, fY + eY + eH)
cv2.rectangle(image, ptA, ptB, (0, 0, 255), 2)
# 遍歷嘴部邊界框
for (sX, sY, sW, sH) in smileRects:
# 繪制嘴邊界框（藍色）
ptA = (fX + sX, fY + sY)
ptB = (fX + sX + sW, fY + sY + sH)
cv2.rectangle(image, ptA, ptB, (255, 0, 0), 2)
# 繪制面部邊界框（綠色）
cv2.rectangle(image, (fX, fY), (fX + fW, fY + fH),
(0, 255, 0), 2)
# 展示輸出幀
cv2.imshow("image", image)
cv2.waitKey(0)
# 清理工作
cv2.destroyAllWindows()
3.2 實時視頻流檢測
# USAGE
# python opencv_haar_cascades.py --cascades cascades
# 導入必要的包
import argparse
import os # 不同系統(tǒng)路徑分隔符
import time # sleep 2秒
import cv2 # opencv綁定
import imutils
from imutils.video import VideoStream # 訪問網(wǎng)絡攝像頭
# 構(gòu)建命令行參數(shù)及解析
# --cascades 級聯(lián)檢測器的路徑
ap = argparse.ArgumentParser()
ap.add_argument("-c", "--cascades", type=str, default="cascades",
help="path to input directory containing haar cascades")
args = vars(ap.parse_args())
# 初始化字典，并保存Haar級聯(lián)檢測器名稱及文件路徑
detectorPaths = {
"face": "haarcascade_frontalface_default.xml",
"eyes": "haarcascade_eye.xml",
"smile": "haarcascade_smile.xml",
}
# 初始化字典以保存多個Haar級聯(lián)檢測器
print("[INFO] loading haar cascades...")
detectors = {}
# 遍歷檢測器路徑
for (name, path) in detectorPaths.items():
# 加載Haar級聯(lián)檢測器并保存到map
path = os.path.sep.join([args["cascades"], path])
detectors[name] = cv2.CascadeClassifier(path)
# 初始化視頻流，允許攝像頭預熱2s
print("[INFO] starting video stream...")
vs = VideoStream(src=0).start()
time.sleep(2.0)
# 遍歷視頻流的每一幀
while True:
# 獲取視頻流的每一幀，縮放，并轉(zhuǎn)換灰度圖
frame = vs.read()
frame = imutils.resize(frame, width=500)
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 使用合適的Haar檢測器執(zhí)行面部檢測
faceRects = detectors["face"].detectMultiScale(
gray, scaleFactor=1.05, minNeighbors=5, minSize=(30, 30),
flags=cv2.CASCADE_SCALE_IMAGE)
# 遍歷檢測到的所有面部
for (fX, fY, fW, fH) in faceRects:
# 提取面部ROI
faceROI = gray[fY:fY + fH, fX:fX + fW]
# 在面部ROI應用左右眼級聯(lián)檢測器
eyeRects = detectors["eyes"].detectMultiScale(
faceROI, scaleFactor=1.1, minNeighbors=10,
minSize=(15, 15), flags=cv2.CASCADE_SCALE_IMAGE)
# 在面部ROI應用嘴部檢測
smileRects = detectors["smile"].detectMultiScale(
faceROI, scaleFactor=1.1, minNeighbors=10,
minSize=(15, 15), flags=cv2.CASCADE_SCALE_IMAGE)
# 遍歷眼睛邊界框
for (eX, eY, eW, eH) in eyeRects:
# 繪制眼睛邊界框（紅色）
ptA = (fX + eX, fY + eY)
ptB = (fX + eX + eW, fY + eY + eH)
cv2.rectangle(frame, ptA, ptB, (0, 0, 255), 2)
# 遍歷嘴部邊界框
for (sX, sY, sW, sH) in smileRects:
# 繪制嘴邊界框（藍色）
ptA = (fX + sX, fY + sY)
ptB = (fX + sX + sW, fY + sY + sH)
cv2.rectangle(frame, ptA, ptB, (255, 0, 0), 2)
# 繪制面部邊界框（綠色）
cv2.rectangle(frame, (fX, fY), (fX + fW, fY + fH),
(0, 255, 0), 2)
# 展示輸出幀
cv2.imshow("Frame", frame)
key = cv2.waitKey(1) & 0xFF
# 按下‘q'鍵，退出循環(huán)
if key == ord("q"):
break
# 清理工作
cv2.destroyAllWindows()
vs.stop()
參考
https://www.pyimagesearch.com/2021/04/12/opencv-haar-cascades/
到此這篇關(guān)于超詳細注釋之OpenCV Haar級聯(lián)檢測器進行面部檢測的文章就介紹到這了,更多相關(guān)OpenCV Haar內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:
相關(guān)文章
這篇文章主要介紹了pyinstaller打包后,配置文件無法正常讀取的解決方案，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-02-02
沒想到python是如此強大，令人著迷，以前看見圖片總是一張一張復制粘貼，現(xiàn)在好了，學會python就可以用程序?qū)⒁粡垙垐D片，保存下來。今天網(wǎng)上沖浪看到很多美圖，可是圖片有點多，不想一張一張地復制粘貼，怎么辦呢？辦法總是有的，即便沒有我們也可以創(chuàng)造一個辦法2021-11-11
Python pyinotify日志監(jiān)控系統(tǒng)處理日志的方法
這篇文章主要介紹了Python pyinotify日志監(jiān)控系統(tǒng)處理日志的方法，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-03-03
python中pycryptodome模塊實現(xiàn)加密算法庫
PyCryptodome提供了許多密碼學算法和協(xié)議的實現(xiàn),包括對稱加密、非對稱加密、消息摘要、密碼哈希、數(shù)字簽名等,本文主要介紹了python中pycryptodome模塊實現(xiàn)加密算法庫,感興趣的可以了解一下2023-11-11
本文主要介紹了Pycharm項目代碼同步到Gitee的圖文步驟，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-02-02
本篇文章主要介紹了Python淺拷貝、深拷貝及引用機制，詳細的介紹了淺拷貝、深拷貝的介紹和區(qū)別，有興趣的可以了解一下。2016-12-12
tensorflow實現(xiàn)在函數(shù)中用tf.Print輸出中間值
今天小編就為大家分享一篇tensorflow實現(xiàn)在函數(shù)中用tf.Print輸出中間值，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01
這篇文章主要介紹了Django REST 異常處理詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-07-07
這篇文章主要介紹了Python實現(xiàn)代碼塊兒折疊方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
這篇文章主要給大家介紹了關(guān)于使用Python寫一個創(chuàng)意五子棋游戲的相關(guān)資料,Python作為一種簡單易上手的編程語言,能夠輕松實現(xiàn)五子棋游戲,需要的朋友可以參考下2023-08-08