标签:lbp 级联 15 img python cv2 分类器 opencv haar
文章目录
1. 项目简介
利用opecv的python库及训练好的级联分类器实现人脸检测。
2. 项目地址
3. 依赖模块
pip install opencv-python
4. 完整代码
import cv2
def face_detect(file_name, cascade_name):
img = cv2.imread(file_name) # 读取图片
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图片灰度化
img_gray = cv2.equalizeHist(img_gray) # 直方图均衡化
face_cascade = cv2.CascadeClassifier(cascade_name) # 加载级联分类器
faces = face_cascade.detectMultiScale(img) # 多尺度检测
for (x, y, w, h) in faces: # 遍历所有检测到的猫脸
img = cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 255), 5) # 绘制矩形框
cv2.imshow('Face detection', img) # 检测效果预览
cv2.waitKey(0) # 保持窗口显示
if __name__ == "__main__":
face_detect('test.jpg', 'haarcascade_frontalcatface.xml')
5. 必要组件
opencv官方提供了3个已经训练好的人脸级联分类文件:
5.1. haar级联特征分类器(精度高)
5.2. lbp级联特征分类器(速度快)
lbpcascade_frontalcatface.xml
:点击下载
frontalface
对正脸检测效果好。一般来说,haar
特征检测精度更高,而lbp
特征检测用时更短。
6. 成果展示
6.1. 测试样例1
- haar
- lbp
6.2. 测试样例2
- haar
- lbp(没检测到/(ㄒoㄒ)/~~)
6.3. 测试样例3
- haar
- lbp(没检测到(;′⌒`))
7. 对比分析
从测试结果来看,haar
级联特征的猫脸检测的精度是最高的,但如果对精度要求不高,可以采用lbp
级联特征检测,因为这个花费的时间很短。
8. 引用参考
https://docs.opencv.org/master/db/d28/tutorial_cascade_classifier.html
https://docs.opencv.org/master/d2/d99/tutorial_js_face_detection.html
标签:lbp,级联,15,img,python,cv2,分类器,opencv,haar 来源: https://blog.csdn.net/qq_42951560/article/details/111831532
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。