新萄京娱乐场网址:Python基于OpenCV实现视频的人脸检测,OpenCV实现人脸检测

本文实例为我们分享了依据OpenCV完毕录制的人脸检验具体代码,供大家参照他事他说加以考察,具体内容如下

Python基于OpenCV完毕摄像的人脸检查评定,pythonopencv

正文实例为大家享用了依靠OpenCV完成摄像的人脸检验具体代码,供大家参考,具体内容如下

前提条件

1.摄像头
2.已安装Python和OpenCV3

代码

import cv2 
import sys 
import logging as log 
import datetime as dt 
from time import sleep 

cascPath = "haarcascade_frontalface_default.xml" 
faceCascade = cv2.CascadeClassifier(cascPath) 

# 打开视频捕获设备 
video_capture = cv2.VideoCapture(0) 


while True: 
  if not video_capture.isOpened(): 
    print('Unable to load camera.') 
    sleep(5) 
    pass 

  # 读视频帧 
  ret, frame = video_capture.read() 

  # 转为灰度图像 
  gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) 

  # 调用分类器进行检测 
  faces = faceCascade.detectMultiScale( 
    gray, 
    scaleFactor=1.1, 
    minNeighbors=5, 
    minSize=(30, 30), 
    #flags=cv2.cv.CV_HAAR_SCALE_IMAGE 
  ) 

  # 画矩形框 
  for (x, y, w, h) in faces: 
    cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2) 


  # 显示视频 
  cv2.imshow('Video', frame) 


  if cv2.waitKey(1) & 0xFF == ord('q'): 
    break 


# 关闭摄像头设备 
video_capture.release() 

# 关闭所有窗口 
cv2.destroyAllWindows() 

新萄京娱乐场网址 1

以上就是本文的全部内容,希望对我们的上学抱有支持,也意在大家多多帮衬帮客之家。

本文实例为我们大饱眼福了依照OpenCV完成摄像的人脸检查评定具体代码,供咱们参谋,具体内容如下…

深夜的时候,配好了OpenCV的Python遇到,OpenCV的Python景况搭建。于是火速的想体验一下opencv的人脸识别,如下文。

正文介绍最中央的用OpenCV实现人脸检查评定的措施。

前提条件


 

1.摄像头
2.已安装Python和OpenCV3

必备知识

一.人脸检查测试算法原理

Viola-Jones人脸检查评定方法

参谋文献:Paul Viola, 迈克尔 J.
Jones. 罗布ust Real-Time Face Detection[J]. International Journal of
Computer Vision,2004,57(2):137-154.

该算法的严重性进献有三:

1.建议积分图像(integral
image),从而能够高速总结Haar-like特征。

style=”font-size: medium;”>2.选用Adaboost学习算法实行特色接纳和分类器操练,把弱分类器组合成强分类器。

3.利用分类器级联进步作用。

代码

Haar-like

Haar-like百科释义。通俗的来说,正是作为人脸特征就能够。

Haar特征值反映了图像的灰度变化情状。举个例子:脸部的有的表征能由矩形特征简单的描述,如:眼睛要比脸颊颜色要深,鼻梁两侧比鼻梁颜色要深,嘴巴比周边颜色要深等。

二.OpenCV检测原理

style=”font-size: medium;”>OpenCV中有检查实验脸部的函数(该函数还可以够检查测试一些其他物体),
以至还包蕴部分初期陶冶好的物体识别文件。

style=”font-size: medium;”>所以利用那一个现存的事物就可以异常快做出一个人脸检查评定的顺序。

主要步骤为:

1.加载分类器。

style=”font-size: medium;”>用cvLoad函数读入xml格式的文书。文件在OpenCV安装目录下的“data/haarcascades/”路线下。

> style=”font-size: medium;”>http://blog.csdn.net/yang\_xian521/article/details/6973667 > style=”font-size: medium;”>推荐应用haarcascade_frontalface_新萄京娱乐场网址:Python基于OpenCV实现视频的人脸检测,OpenCV实现人脸检测。atl.xml和haarcascade_frontalface_atl2.xml

> style=”font-size: medium;”>2.读入待检查评定图像。读入图片只怕摄像。

3.检查评定脸部。

主要用的函数:

CvSeq* cvHaarDetectObjects( 
const CvArr* image, 
CvHaarClassifierCascade* cascade, 
CvMemStorage* storage, 
double scale_factor CV_DEFAULT(1.1), 
int min_neighbors CV_DEFAULT(3), 
int flags CV_DEFAULT(0), 
CvSize min_size CV_DEFAULT(cvSize(0,0)), 
CvSize max_size CV_DEFAULT(cvSize(0,0)) 
);

 

函数表明摘自《学习OpenCV》:

CvArr*
image是二个灰度图像,假若设置了ROI,将只管理那个区域。

CvHaarClassifierCascade*
cascade是前方读入的分类器特征级联。

CvMemStorage* storage
是那些算法的做事缓存。

scale_factor
:算法用分裂尺寸的窗口举行围观,scale_factor是每三个差异尺寸的窗口之间的尺寸关系。

min_neighbors
调控误检查测试,因为人脸会被分化地点大小的窗口重新检查实验到,至少有这么多次检验,大家才认为真正检查评定到了面孔。

style=”font-size: medium;”>flags有多少个可用的数值,它们得以用位或操作结合使用。暗许值是CV_HAAR_DO_CANNY_PRUNING,告诉分类器跳过平整区域。

min_size
提示搜索人脸的微乎其微区域。 > style=”font-size: medium;”>max_size
鲜明应该是索求人脸的最大区域了。。。

4.检验结果表示。

可以画个圈圈可能画个方框表示。

三.代码

#include "cv.h" 
#include "highgui.h"

#include <stdio.h> 
#include <stdlib.h> 
#include <string.h> 
#include <assert.h> 
#include <math.h> 
#include <float.h> 
#include <limits.h> 
#include <time.h> 
#include <ctype.h>

#ifdef _EiC 
#define WIN32 
#endif

static CvMemStorage storage = 0;
static CvHaarClassifierCascade
cascade = 0;

void detect_and_draw( IplImage image );

const char
cascade_name =
“haarcascade_frontalface_alt.xml”;
/ “haarcascade_profileface.xml”;/

int main( int argc, char* argv )
{
cascade_name = “haarcascade_frontalface_alt2.xml”;
cascade = (CvHaarClassifierCascade
)cvLoad( cascade_name, 0, 0, 0 );

if( !cascade )
{
fprintf( stderr, “ERROR: Could not load classifier cascade\n” );
return -1;
}
storage = cvCreateMemStorage(0);
cvNamedWindow( “result”, 1 );

const char filename = “Lena.jpg”;
IplImage
image = cvLoadImage( filename, 1 );

if( image )
{
detect_and_draw( image );
cvWaitKey(0);
cvReleaseImage( &image );
}

cvDestroyWindow(“result”);

return 0;
}

void detect_and_draw(IplImage img )
{
double scale=1.2;
static CvScalar colors[] = {
{{0,0,255}},{{0,128,255}},{{0,255,255}},{{0,255,0}},
{{255,128,0}},{{255,255,0}},{{255,0,0}},{{255,0,255}}
};//Just some pretty colors to draw with

//Image Preparation
//
IplImage
gray = cvCreateImage(cvSize(img->width,img->height),8,1);
IplImage small_img=cvCreateImage(cvSize(cvRound(img->width/scale),cvRound(img->height/scale)),8,1);
cvCvtColor(img,gray, CV_BGR2GRAY);
cvResize(gray, small_img, CV_INTER_LINEAR);

cvEqualizeHist(small_img,small_img); //直方图均衡

//Detect objects if any
//
cvClearMemStorage(storage);
double t = (double)cvGetTickCount();
CvSeq
objects = cvHaarDetectObjects(small_img,
cascade,
storage,
1.1,
2,
0/CV_HAAR_DO_CANNY_PRUNING/,
cvSize(30,30));

t = (double)cvGetTickCount() – t;
printf( “detection time = %gms\n”, t/((double)cvGetTickFrequency()1000.) );

//Loop through found objects and draw boxes around them
for(int i=0;i<(objects? objects->total:0);++i)
{
CvRect
r=(CvRect)cvGetSeqElem(objects,i);
cvRectangle(img, cvPoint(r->x
scale,r->yscale), cvPoint((r->x+r->width)scale,(r->y+r->height)scale), colors[i%8]);
}
for( int i = 0; i < (objects? objects->total : 0); i++ )
{
CvRect
r = (CvRect)cvGetSeqElem( objects, i );
CvPoint center;
int radius;
center.x = cvRound((r->x + r->width
0.5)scale);
center.y = cvRound((r->y + r->height
0.5)scale);
radius = cvRound((r->width + r->height)
0.25*scale);
cvCircle( img, center, radius, colors[i%8], 3, 8, 0 );
}

cvShowImage( “result”, img );
cvReleaseImage(&gray);
cvReleaseImage(&small_img);
}

 

四.结实及一些认证

运转结果如下图:

新萄京娱乐场网址 2

亟待证实的几点:

style=”font-size: medium;”>1.图像和.xml文件要放在该程序的bin目录下(.sln所在的目录)。

style=”font-size: medium;”>2.《学习OpenCV》里面正是用矩形表示,可是书里面包车型客车代码不太对,原因是忽视了缩放因子,即void
detect_and_draw(IplImage* img )里面的double scale=1.2;

style=”font-size: medium;”>那几个缩放因子的功力是:获得多少个图像,首先将它缩放(scale=1.2即成为八个小图像),然后在缩放后的小图像上检查实验脸部,这样会十分的快。

最基本的就像此多呢。

 

注:本文所用OpenCV版本为2.3.1

import cv2 
import sys 
import logging as log 
import datetime as dt 
from time import sleep 

cascPath = "haarcascade_frontalface_default.xml" 
faceCascade = cv2.CascadeClassifier(cascPath) 

# 打开视频捕获设备 
video_capture = cv2.VideoCapture(0) 


while True: 
 if not video_capture.isOpened(): 
  print('Unable to load camera.') 
  sleep(5) 
  pass 

 # 读视频帧 
 ret, frame = video_capture.read() 

 # 转为灰度图像 
 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) 

 # 调用分类器进行检测 
 faces = faceCascade.detectMultiScale( 
  gray, 
  scaleFactor=1.1, 
  minNeighbors=5, 
  minSize=(30, 30), 
  #flags=cv2.cv.CV_HAAR_SCALE_IMAGE 
 ) 

 # 画矩形框 
 for (x, y, w, h) in faces: 
  cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2) 


 # 显示视频 
 cv2.imshow('Video', frame) 


 if cv2.waitKey(1) & 0xFF == ord('q'): 
  break 


# 关闭摄像头设备 
video_capture.release() 

# 关闭所有窗口 
cv2.destroyAllWindows() 

opencv api

要想行使opencv,就不能够不先明了其能干什么,怎么办。于是API的关键便显示出来了。就本例来讲,使用到的函数非常的少,也就日常的读取图片,灰度转变,呈现图像,轻便的编纂图像罢了。

如下:

相关文章