| OpenCV实现人脸识别（二）级联分类器使用 | 您所在的位置：网站首页 › 人脸分类器下载安装 › OpenCV实现人脸识别（二）级联分类器使用 |
OpenCV实现人脸识别（二）级联分类器使用
|
本节介绍如何使用OpenCV已经分类好的级联分类器来实现人脸的检测，并在检测到的地方做上标记。 分类器的种类和加载 函数使用 人脸识别案例 分类器的种类和加载在OpenCV中，可以调用已经训练好的级联分类器。训练分类器非常耗费时间。现成的一些分类器已经可以用来检测人脸及相关特征（例如眼睛和鼻子）、人类和其他物体。这些级联分类器以XML 文件存放在OpenCV源文件的data目录中，加载不同的联级分类器的XML文件就可以实现不同对象的检测。 OpenCV自带的联级分类器在OpenCV根目录的data文件夹中，分别有三个子文件夹：haarcascades、hogcacades、lbpcascades，里面分别存储的是Haar级联分类器、HOG级联分类器、LBP级联分类器。 Haar级联分类器多达20多种，且还在继续更新。部分如下表所示。
加载级联分类器的语法： = cv2.CascadeClassifier( filename ) filename是分类器的路径和名称使用级联分类器时需要注意，在anaconda中使用pip安装的OpenCV,则无法直接获取级联分类器的XML文件。可以通过以下两种方式： 在OpenCV的安装目录下的data文件夹内查找XML文件 在网络上下载相应的XML文件，下载并使用 函数使用人脸检测使用的是cv2.CascadeClassifier.detectMultiScale()函数。可以检测图片中的所有人脸。 object = cv2.CascadeClassifier.detectMultiScale(image[, scaleFactor=None[, minNeighbors=None[, flags=None[, minSize=None[, maxSize=None]]]]]):image：待检测的图像，通常为灰度图像 scaleFactor：表示在前后两次相继的扫描中，搜索窗口的缩放比例 minNeighbors：表示构成检测目标的相邻矩形的最小个数。默认值为3，表示有3个以上的检测标记存在时，才认为人脸的存在。如果希望提高检测的准确率，可以将该值设置的更大，但同时可能会让一些人脸无法被检测到 flags：不常用参数，一般省略。 minSize：目标的最小尺寸，小于这个尺寸的目标将被忽略 maxSize：目标的最大尺寸，大于这个尺寸的目标将被忽略 objects：返回值，目标对象的矩形框向量组 人脸识别案例 import cv2 #读取待检测的图像 image = cv2.imread('test.png') # 获取xml文件,加载人脸检测器 faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') # 色彩转换，转换为灰度图像 gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) # 调用函数detectMultiScale faces = faceCascade.detectMultiScale( gray, scaleFactor = 1.2, minNeighbors = 4, minSize = (4,4) ) print(faces) #打印输出测试结果 print("发现{0}个人脸!".format(len(faces))) #逐个标记人脸 for(x,y,w,h) in faces: # cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2) #矩形标注 cv2.circle(image,(int((x+x+w)/2),int((y+y+h)/2)),int(w/2),(0,255,0),2) #显示结果 cv2.imshow("dect",image) #保存检测结果 cv2.imwrite("re.jpg",image) cv2.waitKey(0) cv2.destroyAllWindows()识别结果：
haarcascade_frontalface_default.xml源文件下载 提供了别的人脸识别素材：
|
【本文地址】