當前位置：首頁 > 人工智能 > pytorch >内容正文

pytorch

人脸识别案例：【实战】opencv人脸检测+Haar特征分类器

發布時間：2024/7/5 pytorch 43 豆豆

生活随笔收集整理的這篇文章主要介紹了人脸识别案例：【实战】opencv人脸检测+Haar特征分类器小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

1 基礎

我們使用機器學習的方法完成人臉檢測，首先需要大量的正樣本圖像（面部圖像）和負樣本圖像（不含面部的圖像）來訓練分類器。我們需要從其中提取特征。下圖中的 Haar 特征會被使用，就像我們的卷積核，每一個特征是一個值，這個值等于黑色矩形中的像素值之后減去白色矩形中的像素值之和。

Haar特征值反映了圖像的灰度變化情況。例如：臉部的一些特征能由矩形特征簡單的描述，眼睛要比臉頰顏色要深，鼻梁兩側比鼻梁顏色要深，嘴巴比周圍顏色要深等。

Haar特征可用于于圖像任意位置，大小也可以任意改變，所以矩形特征值是矩形模版類別、矩形位置和矩形大小這三個因素的函數。故類別、大小和位置的變化，使得很小的檢測窗口含有非常多的矩形特征。

得到圖像的特征后，訓練一個決策樹構建的adaboost級聯決策器來識別是否為人臉。

2.實現

OpenCV中自帶已訓練好的檢測器，包括面部，眼睛，貓臉等，都保存在XML文件中，我們可以通過以下程序找到他們：

import cv2 as cv print(cv.__file__)

找到的文件如下所示：

那我們就利用這些文件來識別人臉，眼睛等。檢測流程如下：

讀取圖片，并轉換成灰度圖

實例化人臉和眼睛檢測的分類器對象

# 實例化級聯分類器 classifier =cv.CascadeClassifier( "haarcascade_frontalface_default.xml" ) # 加載分類器 classifier.load('haarcascade_frontalface_default.xml')

進行人臉和眼睛的檢測

rect = classifier.detectMultiScale(gray, scaleFactor, minNeighbors, minSize,maxsize)

參數：

Gray: 要進行檢測的人臉圖像
scaleFactor: 前后兩次掃描中，搜索窗口的比例系數
minneighbors：目標至少被檢測到minNeighbors次才會被認為是目標
minsize和maxsize: 目標的最小尺寸和最大尺寸

將檢測結果繪制出來就可以了。

主程序如下所示：

import cv2 as cv import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = [u'SimHei'] plt.rcParams['axes.unicode_minus'] = False# 1.以灰度圖的形式讀取圖片 img = cv.imread("img/tly.jpg") gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)# 2. 實例化OpenCV人臉和眼睛識別的分類器 # 2.1 實例化級聯分類器 face_cas = cv.CascadeClassifier( "C:\\ProgramData\\Anaconda3\\envs\\py37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml" ) # 2.1 加載分類器 face_cas.load('C:\\ProgramData\\Anaconda3\\envs\\py37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml') # 2.2 實例化級聯分類器 eyes_cas = cv.CascadeClassifier("C:\\ProgramData\\Anaconda3\\envs\\py37\\Lib\\site-packages\\cv2\\data\\haarcascade_eye.xml") # 2.2 加載分類器 eyes_cas.load("C:\\ProgramData\\Anaconda3\\envs\\py37\\Lib\\site-packages\\cv2\\data\\haarcascade_eye.xml")# 3.調用識別人臉 """rect = classifier.detectMultiScale(gray, scaleFactor, minNeighbors, minSize,maxsize) Gray: 要進行檢測的人臉圖像scaleFactor: 前后兩次掃描中，搜索窗口的比例系數minneighbors：目標至少被檢測到minNeighbors次才會被認為是目標minsize和maxsize: 目標的最小尺寸和最大尺寸 """ faceRects = face_cas.detectMultiScale(gray=gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) for faceRect in faceRects:x, y, w, h = faceRect# 框出人臉cv.rectangle(img, (x, y), (x + h, y + w),(0,255,0), 3)# 4.在識別出的人臉中進行眼睛的檢測roi_color = img[y:y+h, x:x+w]roi_gray = gray[y:y+h, x:x+w]eyes = eyes_cas.detectMultiScale(roi_gray)for (ex,ey,ew,eh) in eyes:cv.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) # 5. 檢測結果的繪制 plt.figure(figsize=(8,6),dpi=100) plt.imshow(img[:,:,::-1]),plt.title('檢測結果') plt.xticks([]), plt.yticks([]) plt.show()

結果：

此處報錯：
cv2.error: OpenCV(3.4.5) C:\projects\opencv-python\opencv\modules\objdetect\src\cascadedetect.cpp:1698: error: (-215:Assertion failed) !empty() in function ‘cv::CascadeClassifier::detectMultiScale’
解決方案：

【在虛擬環境下完美解決】1698: error: (-215:Assertion failed) empty() in function cv::CascadeClassifier_李大狗的讀研日記-CSDN博客https://blog.csdn.net/qq_39237205/article/details/122085915https://blog.csdn.net/qq_39237205/article/details/122085915

我們也可在視頻中對人臉進行檢測：

import cv2 as cv import matplotlib.pyplot as plt # 1.讀取視頻 cap = cv.VideoCapture("movie.mp4") # 2.在每一幀數據中進行人臉識別 while(cap.isOpened()):ret, frame = cap.read()if ret==True:gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)# 3.實例化OpenCV人臉識別的分類器 face_cas = cv.CascadeClassifier( "haarcascade_frontalface_default.xml" ) face_cas.load('haarcascade_frontalface_default.xml')# 4.調用識別人臉 faceRects = face_cas.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) for faceRect in faceRects: x, y, w, h = faceRect # 框出人臉 cv.rectangle(frame, (x, y), (x + h, y + w),(0,255,0), 3) cv.imshow("frame",frame)if cv.waitKey(1) & 0xFF == ord('q'):break # 5. 釋放資源 cap.release() ? cv.destroyAllWindows()

總結

opencv中人臉識別的流程是：