OpenCV项目实战---人脸检测( 二 ) _OpenCV

文章插图

比如上图中，横的黑道将人脸中较暗的双眼提取了出来，而竖的白道将人脸中较亮的鼻梁提取了出来。
由于事先不太可能知道要检测的目标的大小，这就要求我们的级联表中的分类器具有按比例增大(或者缩小)的能力，这样，当小的窗口移动完整个待检测图片没有发现目标时，我们可以调整分类器的大小，然后继续检测，直到检测到目标或者窗口与待检测图片的大小相当为止。人脸检测流程图见图

文章插图

人脸检测具体实现
环境搭建
本项目采用Python作为编辑器， pycharm作为解释器。
OpenCV是一个可跨平台的计算机视觉和机器学习的软件库，实现了图像处理和计算机视觉方面的很多通用算法。
安装OpenCV时，有以下几种方法。
一，首先可以利用的是pycharm来进行引入
file -- settings --project interpreter-- +

文章插图

选择OpenCV--python ---install

文章插图

如果安装成功，随后你可以在project interpreter里来进行版本的查看。

文章插图

二，利用常规命令
Win+r后输入cmd ，随后输入pip install OpenCV-python
如果显示install successfully ，则安装完成。

如果报错， read time error ，则可能是库在下载时有延迟的问题，需要在命令里加入一个代理，这里用到的是豆瓣的，在install 后面加入以下命令即可。
- -index-url https://pypi.douban.com/simple opencv-python

文章插图

OpenCV可以说是人脸物体检测识别中比较常用的一个库，利用import cv2来进行调用。

项目代码
对于识别本地图片中的人脸，我们需要进行以下几个步骤的操作：
1）把图像转换为灰度图，这样可以去除色彩对目标检测的影响。同时可以降低图像的噪声。
import cv2 #引入OpenCV模块 #规定图像的路径。filepath = "./image1.png" # ./为当前文件夹下的相对路径，我们需要将检测图片与程序文件放于同一文件夹下。img = cv2.imread(filepath)#cv2.IMread就是利用OpenCV模块来读取此路径下的图片文件 imread=image-readgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#img为原始彩色图片 ， 这里我们用到了cv2模块的图像颜色转换功能 ， 将转换后的图像命名为gray

cv2.imshow("Image", gray)#显示灰色图像 2）在灰色图像上进行矩形框的绘制

cv2.imshow("Image-gray", img)x = y = 100  # 任意规定一个坐标w =h= 135  # 矩形的宽、高color = (0,255,0)  # 定义绘制颜色 ， 遵循bgr模式cv2.rectangle(img, (x, y), (x + w, y + h),color , 3)  #调用cv2里的rectangle来 绘制矩形 ， rectangle（图像 ， 左上角坐标 ， 右下角坐标 ， 颜色 ， 线粗）cv2.imshow("Image-gray-square", img)  # 显示灰色方框图像

3）使用分类器查找人脸
CascadeClassifier是Opencv中做人脸检测时候的一个级联分类器。数据结构包括Data和FeatureEvaluator两个主要部分。Data中存储的是从训练获得的xml文件中载入的分类器数据；而FeatureEvaluator中是关于特征的载入、存储和计算。这里采用的训练文件是OpenCV中默认提供的haarcascade_frontalface_default.xml 。至于Haar ， LBP的具体原理，可以参考opencv的相关文档，简单地，可以理解为人脸的特征数据。
face_engine=cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_frontalface_default.xml')# 导入人脸级联分类器引擎， '.xml'文件里包含已经训练出来的人脸特征