OpenCV:使用python-cv2实现Harr+Adaboost人脸识别
文章目录
- Haar特征
- 计算方式
- 使用haar模板处理图像
- 积分图
- Adaboost分类器
- 代码实现
Haar特征
哈尔特征使用检测窗口中指定位置的相邻矩形,计算每一个矩形的像素和并取其差值。然后用这些差值来对图像的子区域进行分类。
haar特征模板有以下几种:
以第一个haar特征模板为例
计算方式
1.特征 = 白色 - 黑色(用白色区域的像素之和减去黑色区域的象征之和)
2.特征 = 整个区域 * 权重 + 黑色 * 权重
使用haar模板处理图像
从图像的起点开始,利用haar模板从左往右遍历,从上往下遍历,并设置步长,同时考虑图像大小和模板大小的信息
假如我们现在有一个 1080 * 720
大小的图像,10*10
的haar模板,并且步长为2,那么我我们所需要的的计算量为: (1080 / 2 * 720 / 2) * 100 * 模板数量 * 缩放 约等于50-100亿,计算量太大。
积分图
使用积分图可大量减少运算时间,实际上就是运用了前缀和的原理
Adaboost分类器
Adaboost是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强的最终分类器(强分类器)。
算法流程
该算法其实是一个简单的弱分类算法提升过程,这个过程通过不断的训练,可以提高对数据的分类能力。整个过程如下所示:
1. 先通过对N个训练样本的学习得到第一个弱分类器;
2. 将分错的样本和其他的新数据一起构成一个新的N个的训练样本,通过对这个样本的学习得到第二个弱分类器 ;
3. 将1和2都分错了的样本加上其他的新样本构成另一个新的N个的训练样本,通过对这个样本的学习得到第三个弱分类器;
4. 最终经过提升的强分类器。即某个数据被分为哪一类要由各分类器权值决定。
我们需要从官网下载俩个Adaboost分类器文件,分别是人脸和眼睛的分类器:
下载地址:https://github.com/opencv/opencv/tree/master/data/haarcascades
代码实现
实现人脸识别的基本步骤:
1.加载文件和图片
2.进行灰度处理
3.得到haar特征
4.检测人脸
5.进行标记
我们使用cv2.CascadeClassifier()
来加载我们下载好的分类器。
然后我们使用detectMultiScale()
方法来得到识别结果
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 1.加载文件和图片 2.进行灰度处理 3.得到haar特征 4.检测人脸 5.标记face_xml = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_xml = cv2.CascadeClassifier('haarcascade_eye.xml')
img = cv2.imread('img.png')
cv2.imshow('img', img)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 1.灰色图像 2.缩放系数 3.目标大小
faces = face_xml.detectMultiScale(gray, 1.3, 5)
print('face = ',len(faces))
print(faces)
#绘制人脸,为人脸画方框
for (x,y,w,h) in faces:cv2.rectangle(img, (x,y), (x + w, y + h), (255,0,0), 2)roi_face = gray[y:y+h,x:x+w]roi_color = img[y:y+h,x:x+w]eyes = eye_xml.detectMultiScale(roi_face)print('eyes = ',len(eyes))for (ex,ey,ew,eh) in eyes:cv2.rectangle(roi_color, (ex,ey),(ex + ew, ey + eh), (0,255,0), 2)
cv2.imshow('dat', img)
cv2.waitKey(0)
face = 1
[[133 82 94 94]]
eyes = 2
OpenCV:使用python-cv2实现Harr+Adaboost人脸识别相关推荐
- python模块cv2人脸识别_手把手教你使用OpenCV,Python和深度学习进行人脸识别
使用OpenCV,Python和深度学习进行人脸识别 在本教程中,你将学习如何使用OpenCV,Python和深度学习进行面部识别.首先,我们将简要讨论基于深度学习的面部识别,包括"深度度量 ...
- dlib 使用OpenCV,Python和深度学习进行人脸识别 源代码
请直接访问原文章 dlib 使用OpenCV,Python和深度学习进行人脸识别 源代码 https://hotdog29.com/?p=595 在 2019年7月7日 上张贴 由 hotdog发表回 ...
- 使用 OpenCV 和 Python 模糊和匿名化人脸
方法 首先,我们使用内置的人脸检测算法,从实时视频或图像中检测人脸.在这里,我们将使用级联分类器方法从实时视频(使用网络摄像头)中检测人脸. 然后,读取来自实时视频的帧.存储最新的帧并转换为灰度,以更 ...
- 使用python和pyqt5轻松上手人脸识别系统(含代码)
使用python和pyqt5轻松上手人脸识别系统(含代码) 一. 环境配置 1.1 python环境配置 1.1.1 安装 anaconda 1.1.2 安装pycharm 1.1.3 配置pip源 ...
- OpenCV中使用Eigenfaces 或 Fisherfaces进行人脸识别
连接:OpenCV中使用Eigenfaces 或 Fisherfaces进行人脸识别 OpenCV中使用Eigenfaces 或 Fisherfaces进行人脸识别 Translate by Dawn ...
- python人脸识别库_基于Python的face_recognition库实现人脸识别
Python Python开发 Python语言 基于Python的face_recognition库实现人脸识别 一.face_recognition库简介 face_recognition是Pyt ...
- 基于深度学习的人脸识别系统系列(Caffe+OpenCV+Dlib)——【六】设计人脸识别的识别类...
前言 基于深度学习的人脸识别系统,一共用到了5个开源库:OpenCV(计算机视觉库).Caffe(深度学习库).Dlib(机器学习库).libfacedetection(人脸检测库).cudnn(gp ...
- 《 Python程序设计项目案例》— 人脸识别考勤可视化分析系统签到打卡记录到Excel表格项目参考代码(课程设计、期末结课大作业、毕业设计)
声明 本文仅在CSDN发布,其他均为盗版.请支持正版! 正版链接: https://blog.csdn.net/meenr/article/details/107348867 Python课程设计(程 ...
- 基于python的dlib库的人脸识别
首先通过pip安装cmake,只有安装了cmake才能装上dlib库,建议装dlib的时候关闭后台的360杀毒软件. 源代码如下: import dlib import cv2 as cvimage_ ...
最新文章
- javascript 高级程序设计学习笔记(面向对象的程序设计) 1
- Hibernate基本概念
- linux数组长度的函数,linux awk数组操作详细介绍
- ubuntu 16.04下切换python版本小结
- linux规定ip使用网卡,使用TC 对LINUX服务器网卡进行带宽限制的办法
- JUnit编写单元测试代码注意点小结
- 实战:自定义脚本启动mysql-mysql 5.6.19
- win32application与win32 console application区别何在
- Layui treeTable相关
- 最全的测试计划模板参考
- cce是什么意思_CCE 是什么
- 凯利公式和复利公式,与概率和时间为友
- tplink服务器无响应dns,tplink路由器dns异常
- centos下espeak文本转语音的代码实现
- java中length 的用法
- cad用键盘放大缩小_CAD放大缩小快捷键 _ 2D3D网
- sqlserver中的常见函数用法
- 计算机基础是不是java_计算机基础与java
- 《算法(第四版)》1.3.49:有限个栈实现队列,练习题学习小结
- pe管厂家_mpp管与PE管的区别