OpenCVHaar级联器实现人脸捕捉和微笑检测

概念

  • Haar 级联分类器是由多个简单分类器组成的复杂分类器,每个简单分类器都由 Haar 特征训练得到。
  • Haar 级联器因其简单和快速而被应用于某些场景。
  • OpenCV 提供多种预训练的 Haar 特征级联分类器,其已经在大量图像上进行了训练,并且针对特定类型的对象检测进行了优化。用户可以直接下载使用这些预训练模型,无需自己从头开始训练。

级联器实现人脸捕捉步骤:

  1. 安装opencv库:pip install opencv-contrib-python。国内镜像:pip install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple。
  2. 下载haarcascades包。
  3. 开始写代码。

|------------------------------------------------------------------------------------|------------------------------------------------------------------------------------|
| #### 1. | #### 2. |
[流程图例]

步骤3代码:
复制代码
import cv2


def detect_faces(frame, face_cascade):
    # 将帧转换为灰度图像,以减少计算量并提高检测速度
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 检测灰度图像中的人脸
    faces = face_cascade.detectMultiScale(
        gray,
        scaleFactor=1.1,  # 图像缩放比例
        minNeighbors=5,  # 检测到的对象至少要有5个邻居
        minSize=(30, 30),  # 对象的最小尺寸
        flags=cv2.CASCADE_SCALE_IMAGE
    )

    # 在每个检测到的人脸周围画矩形框
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)

    return frame


# 加载预训练的 Haar 特征级联分类器模型
face_cascade = cv2.CascadeClassifier('./haarcascades/haarcascade_frontalface_alt2.xml')

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 从摄像头读取一帧
    ret, frame = cap.read()

    # 如果读取帧失败,则退出循环
    if not ret:
        print("无法获取摄像头数据,退出程序。")
        break

    # 使用 Haar 级联分类器检测人脸
    frame_with_faces = detect_faces(frame, face_cascade)

    # 显示结果帧
    cv2.imshow('Face Detection', frame_with_faces)

    # 按 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头资源并关闭窗口
cap.release()
cv2.destroyAllWindows()

级联器实现微笑检测:

环境安装同上,注意路径引用就可,导包没啥好讲的。

代码:
python 复制代码
#导入opencv库,安装可用 pip install opencv-python
import cv2
#加载人脸检测模型
face = cv2.CascadeClassifier('./haarcascades/haarcascade_frontalface_default.xml')
#加载微笑检测模型
smile = cv2.CascadeClassifier('./haarcascades/haarcascade_smile.xml')

cap = cv2.VideoCapture(0)  # 初始化摄像头
while True:  # 处理每一帧
    ret, frame = cap.read()  # 读取一帧
    frame = cv2.flip(frame, 1)  # 图片翻转, 水平翻转
    # 没有读到,直接退出
    if ret is None:
        break

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 灰度化(彩色BGR-->灰度Gray)

    face_detect = face.detectMultiScale(gray,  # 人脸检测
                                        scaleFactor=1.1,
                                        minNeighbors=5,
                                        minSize=(5, 5))

    # ==================处理每个人脸=======================
    for (x, y, w, h) in face_detect:  # 得到人脸所在位置
        # 绘制方框
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
        # 提取人脸所在区域
        smile_rect = gray[y:y + h, x:x + w]
        # 微笑检测,仅在人脸区域内检测
        smile_detect = smile.detectMultiScale(smile_rect,
                                              scaleFactor=1.5,
                                              minNeighbors=5,
                                              minSize=(50, 50))

        for (sx, sy, sw, sh) in smile_detect:
            # 显示文字"smile"表示微笑了
            cv2.putText(frame, 'smile', (x, y), cv2.FONT_HERSHEY_COMPLEX_SMALL, 1, (0, 255, 0), 2)
    # 显示结果
    cv2.imshow('frame', frame)
    key = cv2.waitKey(1)
    if key == 27:  # 27为键盘Esc键
        break

cv2.destroyAllWindows()  # 关闭打开的图像窗口
cap.release()  # 释放视频捕获对象
相关推荐
zhangfeng113314 小时前
Shi-Tomasi 算法和 Harris 角点检测算法都是经典的角点检测方法,但它们在理论基础和实现细节上有一些区别。下面我将详细对比这两种算法。
opencv·算法·计算机视觉
Blossom.11819 小时前
把 AI 塞进「自行车码表」——基于 MEMS 的 3D 地形预测码表
人工智能·python·深度学习·opencv·机器学习·计算机视觉·3d
苏三福1 天前
ffmpeg+opencv交叉编译
人工智能·opencv·ffmpeg
人生游戏牛马NPC1号1 天前
学习 Android (十七) 学习 OpenCV (二)
android·opencv·学习
鸿蒙小灰2 天前
鸿蒙OpenCV移植技术要点
opencv·harmonyos
2501_924731112 天前
智慧城市交通场景误检率↓78%!陌讯多模态融合算法实战解析
人工智能·算法·目标检测·视觉检测·智慧城市
2501_924534892 天前
智慧零售商品识别误报率↓74%!陌讯多模态融合算法在自助结算场景的落地优化
大数据·人工智能·算法·计算机视觉·目标跟踪·视觉检测·零售
爱炸薯条的小朋友2 天前
C#由Dictionary不正确释放造成的内存泄漏问题与GC代系
开发语言·opencv·c#
肥仔哥哥19302 天前
基于OpenCv做照片分析(Java)
java·人工智能·opencv·图像原理
2501_924879262 天前
客流特征识别误报率↓76%!陌讯多模态时序融合算法在智慧零售的实战解析
大数据·人工智能·算法·目标检测·计算机视觉·视觉检测·零售