使用 Haar 級聯分類器的 OpenCV 人臉檢測

在這個演示中，我們將藉助基於 haar 特徵的級聯分類器學習人臉檢測的基礎知識，並學習如何在 OpenCV 中從影象和視訊中檢測人臉。

在 OpenCV 中使用 Haar 級聯分類器建立人臉檢測專案

使用基於 Haar 特徵的級聯分類器進行物件檢測是 Paul Viola 和 Michael Jones 在他們的研究中提出的一種有效的物件檢測方法。Haar 基於特徵的級聯分類器是一種基於機器學習的方法，其中針對許多正負影象訓練級聯函式。

那麼這些正面和負面的形象是什麼？分類器使用特定物件的數百個樣本檢視進行訓練，這些物件可能是人臉、汽車或任何其他稱為正例的物件。

例如，如果要檢測人臉，則必須使用包含人臉的影象數量來訓練分類器。然後，它被稱為正面影象。

在另一種情況下，如果要檢測人臉並且影象中不包含人臉，則稱為負像。

訓練分類器後，可以將其應用於輸入影象中的感興趣區域。如果區域可能顯示物件，則分類器輸出為 1；否則為 0。

讓我們看看如何在 OpenCV 中使用 Haar Cascade 檢測。

OpenCV 帶有一個訓練器和一個檢測器。如果你想針對手錶、汽車或任何物體等任何物件訓練分類器，則可以使用此分類器。

我們可以在 OpenCV GitHub 頁面上找到一些經過訓練的分類器 XML 檔案。這個儲存庫中有大量訓練有素的分類器。

你只需要開啟這個突出顯示的檔案，然後通過單擊原始圖示按鈕下載它。當它開啟時，你可以右鍵單擊並將其儲存在你的計算機上。

讓我們開啟程式碼編輯器並定義我們的分類器。

有一個名為 CascadeClassifier() 的方法，我們可以在其中提供分類器路徑。一旦我們定義了分類器，然後我們讀取影象。

F_C = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")

由於此分類器將處理灰度影象，因此我們需要將影象轉換為灰度影象。實現影象轉換將非常容易。

IMG = cv2.imread("inp.png")
G_scale = cv2.cvtColor(IMG, cv2.COLOR_BGR2GRAY)

下一步是檢測這張圖片中的人臉；為此，我們將宣告一個名為 Faces 的變數。我們將呼叫 detectMultiScale() 方法，該方法接受三個引數。

第一個是灰度影象，我們要使用的第二個引數是比例因子，用於指定在每個影象比例下影象尺寸縮小多少。接下來是最小鄰居引數，它指定每個候選矩形應該有多少鄰居來保留它。

Faces = F_C.detectMultiScale(G_scale, 1.1, 4)

最後一步是遍歷我們檢測到的所有面部，然後繪製一個矩形。這個 Faces 變數將是矩形的向量，其中每個矩形都包含一個檢測到的物件，在我們的例子中，它將是檢測到的人臉。

我們將從 Faces 物件中獲取引數 (x,y,w,h)。這些是物件矩形的值。

在獲取座標時，我們將使用 rectangle() 方法繪製矩形。

它需要一些引數。第一個是影象，第二個是我們使用 Faces 向量得到的點 (x,y)，下一個引數是矩形的第二個點。

接下來的兩個引數是顏色和厚度。

import cv2

F_C = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")

IMG = cv2.imread("inp.png")
G_scale = cv2.cvtColor(IMG, cv2.COLOR_BGR2GRAY)
Faces = F_C.detectMultiScale(G_scale, 1.1, 4)

for (x, y, w, h) in Faces:
    cv2.rectangle(IMG, (x, y), (x + w, y + h), (255, 0, 0), 3)

cv2.imshow("IMG", IMG)

cv2.waitKey()

現在我們可以看到在影象中檢測到人臉。

讓我們嘗試檢測視訊中的人臉，所以這不會是一種不同的方法。我們只需要將這種方法應用於每一幀，因此我們將使用 VideoCapture() 方法來捕獲視訊，而不是讀取影象。

為了捕捉幀，我們需要定義一個 Video 變數並使其等於 VideoCapture() 並提供一個 mp4 檔案。如果你有相機，你可以提供它 0。

現在我們將所有上述程式碼包含在一個 while 迴圈中，並且在 while 迴圈中，我們定義 isOpened() 方法。如果此方法返回真值，則程式將繼續讀取幀；我們將呼叫 Video.read()，這意味著我們正在讀取每一幀。

當有人按下 q 鍵時，我們將定義一個條件，然後程式將跳出 while 迴圈。最後，在我們的 while 迴圈之外，我們將釋出我們的視訊。

import cv2

F_C = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")

Video = cv2.VideoCapture("inp.mp4")

while Video.isOpened():
    _, IMG = Video.read()

    G_scale = cv2.cvtColor(IMG, cv2.COLOR_BGR2GRAY)
    Faces = F_C.detectMultiScale(G_scale, 1.1, 4)

    for (x, y, w, h) in Faces:
        cv2.rectangle(IMG, (x, y), (x + w, y + h), (255, 0, 0), 3)

    cv2.imshow("Window", IMG)
    K = cv2.waitKey(1)
    if K & 0xFF == ord("q"):
        break

Video.release()

在這段視訊中，我們可以看到實時視訊中檢測到的人臉。