超詳細(xì)注釋之OpenCV Haar級(jí)聯(lián)檢測(cè)器進(jìn)行面部檢測(cè)
這篇博客將介紹如何使用預(yù)訓(xùn)練好的OpenCV Haar級(jí)聯(lián)人臉、眼睛、嘴部檢測(cè)器，并將它們應(yīng)用于圖片及實(shí)時(shí)視頻流的檢測(cè)。
人臉檢測(cè)結(jié)果是最穩(wěn)定和準(zhǔn)確的。不幸的是，在許多情況下，眼睛檢測(cè)和嘴巴檢測(cè)結(jié)果是不可用的——對(duì)于面部特征/部分提取，強(qiáng)烈建議使用python，dlib，OpenCV提取眼睛，鼻子，嘴唇及下頜，dlib的檢測(cè)要比眼睛Haar級(jí)聯(lián)，嘴巴Haar級(jí)聯(lián)本身更穩(wěn)定，甚至更快。
Haar級(jí)聯(lián)算法是OpenCV最流行的目標(biāo)檢測(cè)算法，主要優(yōu)點(diǎn)是速度太快了，盡管許多算法（如HOG+線性SVM、SSDs、更快的R-CNN、YOLO等等）比Haar級(jí)聯(lián)算法更精確。但如果需要純粹的速度，就是無(wú)法打敗OpenCV的Haar cascades。
Haar Cascades尤其是在資源受限的設(shè)備中工作時(shí)，當(dāng)無(wú)法使用更昂貴的計(jì)算對(duì)象檢測(cè)器時(shí)，效果顯著。Haar級(jí)聯(lián)的缺點(diǎn)是容易出現(xiàn)假陽(yáng)性檢測(cè)，應(yīng)用于推理/檢測(cè)時(shí)需要進(jìn)行參數(shù)調(diào)整。
1. 效果圖
Haar級(jí)聯(lián)檢測(cè)的效果如下：
可以看到圖中有固定大小的面在移動(dòng)，就可以“訓(xùn)練”分類器來(lái)識(shí)別圖像的給定區(qū)域是否包含人臉。
面部、眼睛、嘴部檢測(cè)效果圖如下：
有時(shí)候會(huì)有假陽(yáng)性結(jié)果，如下圖：
可以看到檢測(cè)并不是最準(zhǔn)確的，臉部是準(zhǔn)確的，但嘴和眼睛級(jí)聯(lián)發(fā)生好幾個(gè)假陽(yáng)性。當(dāng)眨眼時(shí)，有兩種情況發(fā)生：（1）眼睛區(qū)域不再被檢測(cè)到，或者（2）它被錯(cuò)誤地標(biāo)記為嘴巴，在許多幀中往往有多個(gè)嘴巴檢測(cè)結(jié)果。
2. 原理
2.1 Haar級(jí)聯(lián)是什么？
Haar級(jí)聯(lián)檢測(cè)5個(gè)特征：邊緣特征、線特征、四角-矩形的特征，計(jì)算特征需要從黑色區(qū)域下的像素總和中減去白色區(qū)域下的像素總和。有趣的是，這些特征在人臉檢測(cè)中具有實(shí)際的重要性：
- 眼睛區(qū)域往往比臉頰區(qū)域暗。
- 鼻子區(qū)域比眼睛區(qū)域亮。
給定這五個(gè)矩形區(qū)域及其相應(yīng)的和差，就可以形成能夠?qū)θ四樀母鱾€(gè)部分進(jìn)行分類的特征。
Haar級(jí)聯(lián)的一些好處是，由于使用了積分圖像（也稱為求和面積表），它們?cè)谟?jì)算類似Haar的特征時(shí)非常快。通過(guò)使用AdaBoost算法，它們對(duì)特征選擇也非常有效。最重要的是，它們可以檢測(cè)圖像中的人臉，而不考慮人臉的位置或比例。
2.2 Haar級(jí)聯(lián)的問(wèn)題與局限性
Haar級(jí)聯(lián)檢測(cè)器的問(wèn)題與局限主要有3點(diǎn)：
- 需要最有效的正面圖像的臉；
- 容易出現(xiàn)誤報(bào)——Viola-Jones算法可以在沒(méi)有人臉的情況下輕松報(bào)告圖像中的人臉；
- 調(diào)優(yōu)OpenCV檢測(cè)參數(shù)會(huì)非常乏味。有時(shí)可以檢測(cè)出圖像中的所有人臉，有時(shí)會(huì)（1）圖像的區(qū)域被錯(cuò)誤地分類為面部；（2）面部被完全遺漏時(shí)。
2.3 Haar級(jí)聯(lián)預(yù)訓(xùn)練的模型
OpenCV庫(kù)維護(hù)一個(gè)預(yù)先訓(xùn)練好的Haar級(jí)聯(lián)庫(kù)。包括：
- haarcascade_frontalface_default.xml：檢測(cè)面部
- haarcascade_eye.xml：檢測(cè)左眼和右眼
- haarcascade_smile.xml：檢測(cè)面部是否存在嘴部
- haarcascade_eye_tree_eyeglasses.xml：檢測(cè)是否帶墨鏡🕶
- haarcascade_frontalcatface.xml：檢測(cè)貓臉
- haarcascade_frontalcatface_extended.xml：檢測(cè)貓臉延伸
- haarcascade_frontalface_alt.xml：檢測(cè)貓臉屬性
- haarcascade_frontalface_alt_tree.xml
- haarcascade_frontalface_alt2.xml
- haarcascade_fullbody.xml：檢測(cè)全身
- haarcascade_lefteye_2splits.xml：檢測(cè)左眼
- haarcascade_licence_plate_rus_16stages.xml：檢測(cè)證件
- haarcascade_lowerbody.xml：檢測(cè)下半身
- haarcascade_profileface.xml
- haarcascade_righteye_2splits.xml：檢測(cè)右眼
- haarcascade_russian_plate_number.xml：檢測(cè)俄羅斯字母車牌號(hào)
- haarcascade_upperbody.xml：檢測(cè)上半身
還提供了其他經(jīng)過(guò)預(yù)訓(xùn)練的Haar級(jí)聯(lián)，包括一個(gè)用于俄羅斯牌照，另一個(gè)用于貓臉檢測(cè)。
可以使用cv2.CascadeClassifer從磁盤加載預(yù)先訓(xùn)練好的Haar級(jí)聯(lián)檢測(cè)器：
detector = cv2.CascadeClassifier(path)
可以使用detectMultiScale對(duì)其進(jìn)行預(yù)測(cè)：
results = detector.detectMultiScale( gray, scaleFactor=1.05, minNeighbors=5, minSize=(30, 30), flags=cv2.CASCADE_SCALE_IMAGE)
3. 源碼
3.1 圖像檢測(cè)
# USAGE
# python opencv_haar_cascades_images.py --cascades cascades --image ml.jpg
# 導(dǎo)入必要的包
import argparse
import os # 不同系統(tǒng)路徑分隔符
import cv2 # opencv綁定
import imutils
# 構(gòu)建命令行參數(shù)及解析
# --cascades 級(jí)聯(lián)檢測(cè)器的路徑
ap = argparse.ArgumentParser()
ap.add_argument("-c", "--cascades", type=str, default="cascades",
help="path to input directory containing haar cascades")
ap.add_argument("-i", "--image", type=str, default="ml2.jpg",
help="path to input image")
args = vars(ap.parse_args())
# 初始化字典，并保存Haar級(jí)聯(lián)檢測(cè)器名稱及文件路徑
detectorPaths = {
"face": "haarcascade_frontalface_default.xml",
"eyes": "haarcascade_eye.xml",
"smile": "haarcascade_smile.xml",
}
# 初始化字典以保存多個(gè)Haar級(jí)聯(lián)檢測(cè)器
print("[INFO] loading haar cascades...")
detectors = {}
# 遍歷檢測(cè)器路徑
for (name, path) in detectorPaths.items():
# 加載Haar級(jí)聯(lián)檢測(cè)器并保存到map
path = os.path.sep.join([args["cascades"], path])
detectors[name] = cv2.CascadeClassifier(path)
# 從磁盤讀取圖像，縮放，并轉(zhuǎn)換灰度圖
print(args['image'])
image = cv2.imread(args["image"])
image = imutils.resize(image, width=500)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 使用合適的Haar檢測(cè)器執(zhí)行面部檢測(cè)
faceRects = detectors["face"].detectMultiScale(
gray, scaleFactor=1.05, minNeighbors=5, minSize=(30, 30),
flags=cv2.CASCADE_SCALE_IMAGE)
# 遍歷檢測(cè)到的所有面部
for (fX, fY, fW, fH) in faceRects:
# 提取面部ROI
faceROI = gray[fY:fY + fH, fX:fX + fW]
# 在面部ROI應(yīng)用左右眼級(jí)聯(lián)檢測(cè)器
eyeRects = detectors["eyes"].detectMultiScale(
faceROI, scaleFactor=1.1, minNeighbors=10,
minSize=(15, 15), flags=cv2.CASCADE_SCALE_IMAGE)
# 在面部ROI應(yīng)用嘴部檢測(cè)
smileRects = detectors["smile"].detectMultiScale(
faceROI, scaleFactor=1.1, minNeighbors=10,
minSize=(15, 15), flags=cv2.CASCADE_SCALE_IMAGE)
# 遍歷眼睛邊界框
for (eX, eY, eW, eH) in eyeRects:
# 繪制眼睛邊界框（紅色）
ptA = (fX + eX, fY + eY)
ptB = (fX + eX + eW, fY + eY + eH)
cv2.rectangle(image, ptA, ptB, (0, 0, 255), 2)
# 遍歷嘴部邊界框
for (sX, sY, sW, sH) in smileRects:
# 繪制嘴邊界框（藍(lán)色）
ptA = (fX + sX, fY + sY)
ptB = (fX + sX + sW, fY + sY + sH)
cv2.rectangle(image, ptA, ptB, (255, 0, 0), 2)
# 繪制面部邊界框（綠色）
cv2.rectangle(image, (fX, fY), (fX + fW, fY + fH),
(0, 255, 0), 2)
# 展示輸出幀
cv2.imshow("image", image)
cv2.waitKey(0)
# 清理工作
cv2.destroyAllWindows()
3.2 實(shí)時(shí)視頻流檢測(cè)
# USAGE
# python opencv_haar_cascades.py --cascades cascades
# 導(dǎo)入必要的包
import argparse
import os # 不同系統(tǒng)路徑分隔符
import time # sleep 2秒
import cv2 # opencv綁定
import imutils
from imutils.video import VideoStream # 訪問(wèn)網(wǎng)絡(luò)攝像頭
# 構(gòu)建命令行參數(shù)及解析
# --cascades 級(jí)聯(lián)檢測(cè)器的路徑
ap = argparse.ArgumentParser()
ap.add_argument("-c", "--cascades", type=str, default="cascades",
help="path to input directory containing haar cascades")
args = vars(ap.parse_args())
# 初始化字典，并保存Haar級(jí)聯(lián)檢測(cè)器名稱及文件路徑
detectorPaths = {
"face": "haarcascade_frontalface_default.xml",
"eyes": "haarcascade_eye.xml",
"smile": "haarcascade_smile.xml",
}
# 初始化字典以保存多個(gè)Haar級(jí)聯(lián)檢測(cè)器
print("[INFO] loading haar cascades...")
detectors = {}
# 遍歷檢測(cè)器路徑
for (name, path) in detectorPaths.items():
# 加載Haar級(jí)聯(lián)檢測(cè)器并保存到map
path = os.path.sep.join([args["cascades"], path])
detectors[name] = cv2.CascadeClassifier(path)
# 初始化視頻流，允許攝像頭預(yù)熱2s
print("[INFO] starting video stream...")
vs = VideoStream(src=0).start()
time.sleep(2.0)
# 遍歷視頻流的每一幀
while True:
# 獲取視頻流的每一幀，縮放，并轉(zhuǎn)換灰度圖
frame = vs.read()
frame = imutils.resize(frame, width=500)
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 使用合適的Haar檢測(cè)器執(zhí)行面部檢測(cè)
faceRects = detectors["face"].detectMultiScale(
gray, scaleFactor=1.05, minNeighbors=5, minSize=(30, 30),
flags=cv2.CASCADE_SCALE_IMAGE)
# 遍歷檢測(cè)到的所有面部
for (fX, fY, fW, fH) in faceRects:
# 提取面部ROI
faceROI = gray[fY:fY + fH, fX:fX + fW]
# 在面部ROI應(yīng)用左右眼級(jí)聯(lián)檢測(cè)器
eyeRects = detectors["eyes"].detectMultiScale(
faceROI, scaleFactor=1.1, minNeighbors=10,
minSize=(15, 15), flags=cv2.CASCADE_SCALE_IMAGE)
# 在面部ROI應(yīng)用嘴部檢測(cè)
smileRects = detectors["smile"].detectMultiScale(
faceROI, scaleFactor=1.1, minNeighbors=10,
minSize=(15, 15), flags=cv2.CASCADE_SCALE_IMAGE)
# 遍歷眼睛邊界框
for (eX, eY, eW, eH) in eyeRects:
# 繪制眼睛邊界框（紅色）
ptA = (fX + eX, fY + eY)
ptB = (fX + eX + eW, fY + eY + eH)
cv2.rectangle(frame, ptA, ptB, (0, 0, 255), 2)
# 遍歷嘴部邊界框
for (sX, sY, sW, sH) in smileRects:
# 繪制嘴邊界框（藍(lán)色）
ptA = (fX + sX, fY + sY)
ptB = (fX + sX + sW, fY + sY + sH)
cv2.rectangle(frame, ptA, ptB, (255, 0, 0), 2)
# 繪制面部邊界框（綠色）
cv2.rectangle(frame, (fX, fY), (fX + fW, fY + fH),
(0, 255, 0), 2)
# 展示輸出幀
cv2.imshow("Frame", frame)
key = cv2.waitKey(1) & 0xFF
# 按下‘q'鍵，退出循環(huán)
if key == ord("q"):
break
# 清理工作
cv2.destroyAllWindows()
vs.stop()
參考
https://www.pyimagesearch.com/2021/04/12/opencv-haar-cascades/
到此這篇關(guān)于超詳細(xì)注釋之OpenCV Haar級(jí)聯(lián)檢測(cè)器進(jìn)行面部檢測(cè)的文章就介紹到這了,更多相關(guān)OpenCV Haar內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信