OpenCV4【23】-行人检测 和 人脸检测

OpenCV自带了函数 detectMultiScale() 可以实现对行人和人脸的检测，实现简单，但识别效果相对较差。

 

行人检测

在行人检测上，OpenCV采用的是HOG（特征检测算法）+SVM算法

import cv2

def is_inside(o, i):
    ox, oy, ow, oh = o
    ix, iy, iw, ih = i
    return ox > ix and oy > iy and ox + ow < ix + iw and oy + oh < iy + ih

def draw_person(image, person):
    x, y, w, h = person
    cv2.rectangle(image, (x, y), (x + w, y + h), (255, 0, 0), 2)

# 使用opencv的hog特征进行行人检测
img = cv2.imread('xingren.jpeg')
hog = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

found, w = hog.detectMultiScale(img)
print(found, w)

foundList = []
for ri, r in enumerate(found):
    flag = 0
    for qi, q in enumerate(found):
        if ri != qi and is_inside(r, q):
            flag = 1
    if(flag == 0):
        foundList.append(r)

for person in foundList:
    draw_person(img, person)
cv2.imwrite("./test1.jpg", img)

 

人脸检测

在人脸检测上，OpenCV采用的是Harr特征，Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特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，嘴巴比周围颜色要深等。

import cv2

# 使用人脸识别分类器
classfier = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_frontalface_alt2.xml")

# 读取图片
image = cv2.imread("nba.jpeg")
# 转为灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

faces = classfier.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(3, 3))
print("发现{0}个人脸!".format(len(faces)))

for faceRect in faces:
    x, y, w, h = faceRect
    cv2.rectangle(image, (x, y), (x + w, y + w), (0, 255, 0), 2)
cv2.imwrite("./face1.jpg", image)

 

 

参考资料：

https://www.cnblogs.com/gzshan/p/10702752.html

https://zhuanlan.zhihu.com/p/442915954　　OpenCV项目实战---人脸检测

https://blog.csdn.net/qq_42621977/article/details/89321747　　python_openCV例程遇到：'cv::CascadeClassifier::detectMultiScale'

https://blog.csdn.net/weixin_51098062/article/details/122524709　　基于opencv的人脸检测