人脸检测识别opencv+python实现（Haar分类器）
程序员文章站
2023-11-07 08:15:40
PS. 由于本人工作上事情较多，有关于Haar分类器用于人脸检测的学习，已经初步学习并了解原理与过程。 但是暂时没有时间来整理所有知识点的博客。 下面将着重介绍一下几个步骤，然后推荐一些博客。 并附上用haar+级联分类器的方法，opencv+python的实现，用于人脸检测。 后期有空了再补上详细原理步骤！！！！！！一、haar分类器用于人脸检测的几个关键点：1. Haar-like 特征2. Haar-like特征的计算—积分......
PS. 由于本人工作上事情较多，有关于Haar分类器用于人脸检测的学习，已经初步学习并了解原理与过程。
但是暂时没有时间来整理所有知识点的博客。
下面将着重介绍一下几个步骤，然后推荐一些博客。
并附上用haar+级联分类器的方法，opencv+python的实现，用于人脸检测。
后期有空了再补上详细原理步骤！！！！！！
一、haar分类器用于人脸检测的几个关键点：
1. Haar-like 特征
2. Haar-like特征的计算—积分图
3. 计算Haar特征值
4. Haar特征值归一化（也可标准化）
5. Adaboost级联分类器 （人脸训练 + 检测）
二、几个比较好的博客介绍：
三、通俗的理解haar分类器用于人间检测的五大步骤
1、准备人脸、非人脸样本集；
2、计算特征值和积分图；
3、筛选出T个优秀的特征值（即最优弱分类器）；
4、把这个T个最优弱分类器传给AdaBoost进行训练。
5、级联，也就是强分类器的强强联手。
四、opencv + python 的实现：
1、进入python安装过所有包的那个文件夹：
比如我的是 D:\XXX\XXX\python3.6/site-packages
2、选择cv2 文件夹 进入，在选择data文件夹进入：里边有很多的可用的一些opencv已经弄好了的方法。
3、 我们把如下两个文件复制到项目里备用（他们是用haar检测人脸，是opencv官方已经训练好的模型，直接调用） haarcascade_frontalface_default.xml， haarcascade_eye.xml
4、 上代码：
"""
haar特征检测人脸（opencv）
"""
import cv2
import numpy as np
haar_front_face_xml = 'xml_file/haarcascade_frontalface_default.xml'
haar_eye_xml = 'xml_file/haarcascade_eye.xml'
# 1.静态图像中的人脸检测
def StaticDetect(filename):
# 创建1个级联分类器 加载1个 .xml 分类器文件. 它既可以是Haar特征也可以是LBP特征的分类器.
face_cascade = cv2.CascadeClassifier(haar_front_face_xml)
# 加载图像
img = cv2.imread(filename)
# 转换为灰度图
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 人脸检测：scaleFactor，minNegihbors，分别表示人脸检测过程中每次迭代时图像的压缩率以及
# 每个人脸矩形保留近似数⽬的最⼩值
# 返回人脸矩形数组
faces = face_cascade.detectMultiScale(gray_img, 1.3, 5)
for (x, y, w, h) in faces:
# 在原图像上绘制矩形
img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
cv2.namedWindow('Face Detected！')
cv2.imshow('Face Detected！', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 视频中的人脸检测
def DynamicDetect():
'''
打开摄像头，读取帧，检测帧中的人脸，扫描检测到的人脸中的眼睛，对⼈脸绘制蓝蓝色的矩形框，对人眼绘制绿⾊的矩形框
'''
# 创建1个级联分类器 加载1个 .xml 分类器⽂件. 它既可以是Haar特征也可以是LBP特征的分类器.
face_cascade = cv2.CascadeClassifier(haar_front_face_xml)
eye_cascade = cv2.CascadeClassifier(haar_eye_xml)
# 打开摄像头
camera = cv2.VideoCapture(0)
cv2.namedWindow('Dynamic')
while True:
# 读取1帧图像
ret, frame = camera.read()
# 判断图片读取成功？
if ret:
gray_img = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 人脸检测
faces = face_cascade.detectMultiScale(gray_img, 1.3, 5)
for (x, y, w, h) in faces:
# 在原图像上绘制矩形
cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
roi_gray = gray_img[y:y + h, x:x + w]
# 眼睛检测
eyes = eye_cascade.detectMultiScale(roi_gray, 1.03, 5, 0, (40, 40))
for (ex, ey, ew, eh) in eyes:
cv2.rectangle(frame, (ex + x, ey + y), (x + ex + ew, y + ey + eh), (0, 255, 0),2)
cv2.imshow('Dynamic', frame)
# 如果按下q键则退出
if cv2.waitKey(100) & 0xff == ord('q'):
break
camera.release()
cv2.destroyAllWindows()
if __name__ == '__main__':
filename = 'data/mayun.jpg'
# StaticDetect(filename)
DynamicDetect()
！！！ 需要注意的是： xml文件 和 图片路径 要写对，不然会报错。
5、运行效果：
（1）静态图片检测人脸，详见主函数调用的 StaticDetect(filename)方法
原图 ----->
结果图 (把大佬们的人脸，都检测出来了 - - ) -------->
（2）视频中实时检测人脸：详见主函数调用的 DynamicDetect() 方法
运行效果 （本人噢 检测人脸和眼睛 哈哈哈） 由于是晚上，光线不太好 ------->
参考：
本文地址：https://blog.csdn.net/hzy459176895/article/details/107073992