网络品牌营销推广站长seo
Harr特征识别人脸
Haar cascade + opencv步骤
- 读取包含人脸的图片
- 使用haar模型识别人脸
- 将识别的结果用矩形框画出来
-
构造haar检测器 ：cv2.CascadeClassifier('具体检测模型文件')
# 构造Haar检测器
# 级联分级机,cv2.CascadeClassifier():cv2的内置方法，创建一检测器
# haarcascade_frontalface_default.xml:正脸检测模型
face_detector = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')- 将图像转成灰度图像
# 转成灰度图
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) - 检测： face_detector.detectMultiScale(img_gray)方法进行检测
# face_detector.detectMultiScale(img_gray)方法进行检测
# 检测结果，人脸的位置，二维数组
detections = face_detector.detectMultiScale(img_gray)- 输出结果
# 打印结果
detections
# [ 284, 263, 113, 113]：[x,y,w,h],(x,y)：左上角坐标，(w,h)检测到人脸的尺寸:从左上角向右和向下开始延申的宽度和高度将识别的结果用矩形框画出来
- 绘制图像
# for循环迭代检测的元组，并画上矩形
for (x,y,w,h) in detections:# print((x,y,w,h))# 画矩形 img:BGRcv2.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=10)- 显示绘制结果
# 显示绘制结果
plt.imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))DetectMultiScale()方法参数调试
参数：
scaleFactor:【距离】调整图片尺寸，值越大，相当于镜头拉大
minNeighbors:【质量】人脸候选数量:候选值越大，则检测的越少
minSize:去掉的最小人脸尺寸大小（w,h）
maxSize:去掉的最大人脸尺寸大小（w,h）