关于OpenCV for Python入门-自带人脸检测算法比较
本来学习OpenCV的目的就是为了做人脸识别、车辆识别、人群计数等等,识别人脸首先要进行人脸检测,OpenCV中内置了Haar Cascade人脸分类器,其中包括haarcascade_frontalface_alt、haarcascade_frontalface_alt_tree、haarcascade_frontalface_alt2、haarcascade_frontalface_default这四种,本文不求甚解,只是从比对上判断一下这几种内置分类器的可用性。
比较的依据,一个是下载的ORL人脸数据库,40个人物*10张照片(92*112像素);另一个是从网络上下载的几张集体照。
ORL人脸数据库,每一个目录就是个人物,就是人物标签
juhui1,1927年在比利时布鲁塞尔召开的第五次索尔维会议,共29个人,黑白照片
juhui2,1924年林徽因等与访问中国的泰戈尔合影,共7个人
juhui3,为某一届政协会议,主席台上有19个人
juhui4,仍然是1927年在比利时布鲁塞尔召开的第五次索尔维会议,共29个人,但是是彩色照片
下面的代码是读取摄像头,进行人脸检测
import numpy as np
import cv2
import os# 定义绿色跟踪框
color = (0, 255, 0)# 读取当前笔记本摄像头
camera = cv2.VideoCapture(0)
# 判断摄像头是否打开
while camera.isOpened():#cap.read()返回两个参数赋给两个值。# 第一个参数ret的值为True或False,代表有没有读到图片。# 第二个参数是frame,是当前截取一帧的图片ret, frame = camera.read()if ret:# 获取当前帧image = frame# 进行颜色灰度转换gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 加载分类器,opencv自带的分类器,放在C:\Python\Python37\Lib\site-packages\cv2\data目录下,主要包括# haarcascade_eye 睁开的眼睛的检测# haarcascade_eye_tree_eyeglasses 戴眼镜时睁开的眼睛# haarcascade_frontalcatface 正脸检测# haarcascade_frontalcatface_extended 正脸检测# haarcascade_frontalface_alt 正脸检测# haarcascade_frontalface_alt_tree 正脸检测# haarcascade_frontalface_alt2 正脸检测# haarcascade_frontalface_default 正脸检测# haarcascade_fullbody 全身检测# haarcascade_lefteye_2splits 检测左眼开或闭合# haarcascade_licence_plate_rus_16stages 俄罗斯车牌# haarcascade_lowerbody 下肢检测# haarcascade_profileface 人脸轮廓检测# haarcascade_righteye_2splits 检测右眼开或闭合# haarcascade_russian_plate_number 俄罗斯车牌号# haarcascade_smile 微笑表情检测# haarcascade_upperbody 上半身检测classfier = cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")# detectMultiScale函数。可以检测出图片中所有的人脸,并将人脸用vector保存各个人脸的坐标、大小(用矩形表示),函数由分类器对象调用# 参数1:image--待检测图片,一般为灰度图像加快检测速度;# 参数2:objects--被检测物体的矩形框向量组;# 参数3:scaleFactor--表示在前后两次相继的扫描中,搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;# 参数4:minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。# 如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。# 如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框,# 这种设定值一般用在用户自定义对检测结果的组合程序上;# 参数5:flags--要么使用默认值,要么使用CV_HAAR_DO_CANNY_PRUNING,如果设置为# CV_HAAR_DO_CANNY_PRUNING,那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域,# 因此这些区域通常不会是人脸所在区域;# 参数6、7:minSize和maxSize用来限制得到的目标区域的范围。faceRects = classfier.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))# 返回识别出来的脸部矩阵的位置数组 [[211 191 266 266] [211 191 266 266] [211 191 266 266]]# 如果已识别脸部对象if len(faceRects) > 0:# 循环输出识别的数组for faceRect in faceRects:# 获取矩阵的人脸的坐标、大小x, y, w, h = faceRect# 通过rectangle()在图片上构建矩阵图cv2.rectangle(image, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 3)# 展示图片cv2.imshow("My Capture", image)# 按q键退出if cv2.waitKey(1) & 0xFF == ord('q'):break
# 关闭摄像头
camera.release()
# 关闭窗口
cv2.destroyAllWindows()
下面的代码是读取摄像头,进行人脸检测和眼睛检测
import numpy as np
import cv2
import os# 定义绿色跟踪框
color = (0, 255, 0)
# 正脸检测分类器
face_cascade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_alt2.xml')
# 睁开的眼睛的检测分类器,奇怪不加路径会报错
eye_cascade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_eye.xml')# 读取当前笔记本摄像头
camera = cv2.VideoCapture(0 ,cv2.CAP_DSHOW)
# 判断摄像头是否打开
while camera.isOpened():ret, frame = camera.read()if ret:# 获取当前帧image = frame# 灰度转换gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 脸部检测faces = face_cascade.detectMultiScale(gray, 1.3, 5)# 遍历脸部检测数组for (x, y, w, h) in faces:# 输出脸部矩阵cv2.rectangle(image, (x, y), (x + w, y + h), (255, 0, 0), 2)# 在脸部范围内搜索眼睛,一个灰度图(用来识别眼睛),一个颜色图(用来输出眼睛矩阵)roi_gray = gray[y:y + h, x:x + w]roi_color = image[y:y + h, x:x + w]# 进行眼睛检测eyes = eye_cascade.detectMultiScale(roi_gray)# 在脸部区画眼睛矩阵for (ex, ey, ew, eh) in eyes:cv2.rectangle(roi_color, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)cv2.imshow('img', image)# 按q键退出if cv2.waitKey(1) & 0xFF == ord('q'):break# 关闭摄像头
camera.release()
# 关闭窗口
cv2.destroyAllWindows()
用opencv内置分类器对几张聚会照片进行人脸检测。
import numpy as np
import cv2imgname = 'C:\\Python\\Pycharm\\docxprocess\\picture\\predict\\juhui4.png'
face_cascade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_alt.xml')
# face_cascade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_alt2.xml')
# face_cascade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_alt_tree.xml')
# face_cascade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml')
img = cv2.imread(imgname)
# img = cv2.imread('wukelan.jpeg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x, y, w, h) in faces:cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
比较检测出来的人脸,可以看出haarcascade_frontalface_alt_tree>haarcascade_frontalface_alt>haarcascade_frontalface_default>haarcascade_frontalface_alt2
下面是对ORL人脸数据库进行人脸检测。
import cv2
import numpy as np
import os
import shutil# 载入图像,读取ORL人脸数据库,准备训练数据
def loadimageface(data):# 加载图片数据用于训练# params:data:训练数据所在的目录,要求图片尺寸一样#ret:# images:[m,height,width] m为样本数,height为高,width为宽# names:名字的集合# labels:标签images = []names = []labels = []face_casecade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml')# haarcascade_frontalface_alt_tree 21# [ 3 9 13 13 13 13 15 17 24 31 33 34 34 34 35 35 36 37 37 37 37]# haarcascade_frontalface_alt 222# [ 0 0 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 3 3 3 3 3# 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5 6 6 6 6 6 7 7 7 7# 8 8 9 9 9 9 9 9 9 9 9 9 10 10 10 12 12 12 12 12 12 12 12 12# 13 13 13 13 13 13 13 13 13 13 14 15 15 15 15 15 15 16 16 16 16 16 17 17# 17 17 18 18 18 18 18 18 19 20 20 21 21 21 21 21 21 21 21 22 22 22 22 22# 22 23 23 23 23 23 23 23 23 24 24 24 24 24 25 25 26 26 26 26 26 26 26 26# 29 29 29 29 29 30 30 30 30 30 31 31 31 31 31 31 31 31 31 31 32 32 32 33# 33 33 33 33 34 34 34 34 34 34 34 35 35 35 35 35 36 36 36 36 36 36 36 36# 36 37 37 37 37 37 37 37 37 37 37 38 38 38 38 38 38 38 38 38 39 39 39 39# 39 39 39 39 39]# haarcascade_frontalface_alt2 231# [ 0 0 0 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3# 3 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 6 6 7 7 7 7 7# 7 8 8 9 9 9 9 9 9 9 9 9 9 10 10 10 12 12 12 12 12 12 12 12# 12 13 13 13 13 13 13 13 13 13 13 15 15 15 15 15 15 15 15 15 16 16 16 16# 16 16 16 16 17 17 17 17 17 18 18 18 18 18 19 19 19 20 20 21 21 21 21 21# 21 21 21 22 22 22 22 22 22 22 23 23 23 23 23 23 23 23 23 24 24 24 24 24# 25 25 26 26 26 26 26 28 29 29 29 29 29 30 30 30 30 31 31 31 31 31 31 31# 31 31 31 32 32 32 32 32 32 33 33 33 33 33 34 34 34 34 34 34 34 35 35 35# 35 35 36 36 36 36 36 36 36 36 36 37 37 37 37 37 37 37 37 37 37 38 38 38# 38 38 38 38 38 39 39 39 39 39 39 39 39 39]# haarcascade_frontalface_default 264# [ 0 0 0 0 0 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 3# 3 3 3 3 3 3 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 6 6# 6 6 6 6 6 7 7 7 7 7 7 7 8 8 9 9 9 9 9 9 9 9 9 9# 10 10 10 10 10 12 12 12 12 12 12 12 12 12 12 13 13 13 13 13 13 13 13 13# 13 14 14 14 14 14 14 14 15 15 15 15 15 15 16 16 16 16 16 16 16 16 16 17# 17 17 17 17 18 18 18 18 18 19 19 19 19 19 19 19 19 19 19 20 20 20 20 20# 20 21 21 21 21 21 21 22 22 22 22 23 23 23 23 23 23 23 24 24 24 24 24 25# 25 25 25 26 26 26 26 26 26 26 26 26 29 29 29 29 29 29 29 30 30 30 30 30# 30 30 31 31 31 31 31 31 31 31 31 32 32 32 32 33 33 33 33 33 33 33 33 34# 34 34 34 34 34 34 35 35 35 35 35 36 36 36 36 36 36 36 36 36 37 37 37 37# 37 37 37 37 37 37 38 38 38 38 38 38 38 38 38 39 39 39 39 39 39 39 39]label = 0# 遍历当前文件夹for subdir in os.listdir(data):print('processing ',subdir)# 构造路径全链路subpath = os.path.join(data, subdir)# 如果是否文件夹if os.path.isdir(subpath):# 每个文件夹代表一个人,也就是构造人的姓名names.append(subdir)# 遍历文件夹中的图片文件for filename in os.listdir(subpath):imgpath = os.path.join(subpath, filename)print('processing ', filename)# 读取图片,并转换为灰度图片# 灰度图片用于进行训练# 构造图片和标签关系img = cv2.imread(imgpath, cv2.IMREAD_COLOR)gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)faces = face_casecade.detectMultiScale(gray_img, 1.3, 5)print('faces=',faces,'face num=',str(len(faces)))for (x, y, w, h) in faces:cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)if (len(faces) > 0):(x, y, w, h) = faces[0]# 只返回图像的正面部分images.append(gray_img[y:y + w, x:x + h])labels.append(label)cv2.imshow('img', img)label += 1# 将图片转换为易于操作的ndarray形式images = np.asarray(images)# 将标签转为numpy格式labels = np.asarray(labels)return images, labels, namesif __name__ == '__main__':trainimage = 'C:\\Python\\Pycharm\\docxprocess\\picture\\ORL\\'X, y, names = loadimageface(trainimage)
从效果上cade_frontalface_default>haarcashaarcascade_frontalface_alt2>haarcascade_frontalface_alt>haarcascade_frontalface_alt_tree
这就比较尴尬了。。。到底选谁好呢?
说到底,Haar Cascade人脸分类器是入门级的人脸检测工具,只能用于好玩的测试,看样子只能用更加高级的工具了。
最后,谢谢关注,谢谢支持!
关于OpenCV for Python入门-自带人脸检测算法比较相关推荐
- 关于OpenCV for Python入门-dlib实现人脸检测
Dlib 是用编程语言 C ++编写的通用跨平台软件库.它的设计深受来自契约式设计和基于组件的软件工程的思想的影响.因此,首先也是最重要的是一组独立的软件组件.这是一个加速软件许可证下发布的开源软件. ...
- 移植OpenCV的AdaBoost人脸检测算法到DM6467
1 人脸检测算法在DM6467上移植的步骤 要将人脸检测算法移植到DM6467,我们使用OpenCV现有的源码作为基础.首先,需要在PC上用C语言实现人脸检测的程序编写,然后移植Open ...
- 一文带你了解人脸检测算法的类型及其工作原理
在过去的几年里,人脸识别受到了广泛的关注,被认为是图像分析领域最有前途的应用之一.人脸检测可以考虑人脸识别操作的很大一部分.根据其强度将计算资源集中在持有人脸的图像部分.图片中的人脸检测方法很复杂,因 ...
- 【CV】10种轻量级人脸检测算法大PK | 代码集合开源
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 最近在微信公众号 AIZOO 里看到轻量级人脸检测算法大盘点的文章 ...
- 大盘点|轻量级人脸检测算法实现,快到没朋友的都在这里了~
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 整理:公众号@OpenCV中文网 本文仅做学术分享,如有侵权,请联系删除. 人脸检测是计算机视觉中的老 ...
- 10种轻量级人脸检测算法大PK
几个月前,AIZOO曾经盘点过 最强六大开源轻量级人脸检测项目分析 | 附打包下载,nihate同学将它丰富到10种算法,并用Python.对他们进行了汇总整理,以及效果的对比. Github链接:h ...
- 使用FDDB人脸样本检测库,测试自己的人脸检测算法性能并生成ROC曲线。
一,说明及环境 网上有关FDDB人脸检测库的使用以及ROC文件生成的文章太少,并且都无法检测opencv中自带的人脸检测算法.最近 工作的原因,需要用到FDDB库检测我们自己的人脸检测算法性能.所以认 ...
- 10种轻量级人脸检测算法大PK | 代码集合开源
喜欢就关注 AIZOO 吧! 几个月前,AIZOO曾经盘点过 最强六大开源轻量级人脸检测项目分析 | 附打包下载,nihate同学将它丰富到10种算法,并用Python.对他们进行了汇总整理,以及效果 ...
- RetinaFace,最强开源人脸检测算法
作者 | CV君 来源 | 我爱计算机视觉(ID:aicvmlaicvmlaicvml) 人脸检测为目标检测的特例,是商业化最早的目标检测算法,也是目前几乎各大 CV 方向 AI 公司的必争之地. W ...
最新文章
- java简单的ID生成器
- file_put_contents图片固定大小_创意图片裁剪,神一样的操作
- 北京科技计算机与通信工程学院,北京科技大学计算机与通信工程学院-任超
- 为什么DevOps的必然趋势是BizDevOps
- 2022春节档电影票房破20亿元
- POJ 2112 二分+最大流
- AttributeError: module ‘torch.onnx‘ has no attribute ‘set_training‘
- 有关C++11标准的一些粗浅认识
- python与java通信——使用socket模块
- Tomcat的startup.bat闪退问题
- Word中怎样在方框里打钩?方框里打钩的符号的方法
- 安装oculus运行时出现问题_安装软件时出现解析包出现问题是什么原因
- Python实现某du内容下载, 保存到word文档
- 关于eclipse中的图片路径
- Hazelcast源码剖析之Eviction
- ggplot2-条形图和折线图
- 神通数据库自助在线查询
- 用Python实现Word多文档合并
- AcWing 616. 两点间的距离
- 2022秋招蚂蚁金服面试