Haar cascade+opencv检测算法

Harr特征识别人脸

Haar cascade + opencv步骤

读取包含人脸的图片
使用haar模型识别人脸
将识别的结果用矩形框画出来

构造haar检测器：cv2.CascadeClassifier('具体检测模型文件')

python 复制代码

# 构造Haar检测器 
# 级联分级机,cv2.CascadeClassifier():cv2的内置方法，创建一检测器
# haarcascade_frontalface_default.xml:正脸检测模型
face_detector = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')

将图像转成灰度图像

python 复制代码

# 转成灰度图
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

检测： face_detector.detectMultiScale(img_gray)方法进行检测

python 复制代码

# face_detector.detectMultiScale(img_gray)方法进行检测
# 检测结果，人脸的位置，二维数组
detections = face_detector.detectMultiScale(img_gray)

输出结果

python 复制代码

# 打印结果
detections
# [ 284,  263,  113,  113]：[x,y,w,h],(x,y)：左上角坐标，(w,h)检测到人脸的尺寸:从左上角向右和向下开始延申的宽度和高度

将识别的结果用矩形框画出来

绘制图像

python 复制代码

# for循环迭代检测的元组，并画上矩形
for (x,y,w,h) in detections:
    # print((x,y,w,h))
    # 画矩形                          img:BGR
    cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=10)

显示绘制结果

python 复制代码

# 显示绘制结果
plt.imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))

DetectMultiScale()方法参数调试

参数：

scaleFactor:【距离】调整图片尺寸，值越大，相当于镜头拉大

minNeighbors:【质量】人脸候选数量:候选值越大，则检测的越少

minSize:去掉的最小人脸尺寸大小（w,h）

maxSize:去掉的最大人脸尺寸大小（w,h）