OpenCV Haar級聯檢測器進行面部檢測的示例分析

OpenCV Haar級聯檢測器進行面部檢測的示例分析，針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

1. 效果圖

Haar級聯檢測的效果如下：

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，但嘴和眼睛級聯發生好幾個假陽性。當眨眼時，有兩種情況發生：（1）眼睛區域不再被檢測到，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果。

2. 原理

2.1 Haar級聯是什么？

Haar級聯檢測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域下的像素總和中減去白色區域下的像素總和。有趣的是，這些特征在人臉檢測中具有實際的重要性：

• 眼睛區域往往比臉頰區域暗。

• 鼻子區域比眼睛區域亮。

給定這五個矩形區域及其相應的和差，就可以形成能夠對人臉的各個部分進行分類的特征。

Haar級聯的一些好處是，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的特征時非常快。通過使用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級聯的問題與局限性

Haar級聯檢測器的問題與局限主要有3點：

1. 需要最有效的正面圖像的臉；

2. 容易出現誤報——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；

3. 調優OpenCV檢測參數會非常乏味。有時可以檢測出圖像中的所有人臉，有時會（1）圖像的區域被錯誤地分類為面部；（2）面部被完全遺漏時。

2.3 Haar級聯預訓練的模型

OpenCV庫維護一個預先訓練好的Haar級聯庫。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

還提供了其他經過預訓練的Haar級聯，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  # 不同系統路徑分隔符

import cv2  # opencv綁定
import imutils

# 構建命令行參數及解析
# --cascades 級聯檢測器的路徑
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  # 訪問網絡攝像頭

# 構建命令行參數及解析
# --cascades 級聯檢測器的路徑
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
    if key == ord("q"):
        break

# 清理工作
cv2.destroyAllWindows()
vs.stop()

關于OpenCV Haar級聯檢測器進行面部檢測的示例分析問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。