YY分享

OpenCV实现人脸检测技术的其中一个版本，由 Paul Viols 和 Michael Jones 设计，称为Viola-Jones 检测器，OpenCV称这个检测器为“Harr分类器”。

1. 检测原理

Haar分类器是一个监督分类器，其先对图形进行直方图均衡化并归一化到同样大小，然后标记里面是否包含要检测的物体。

Haar级联不具有旋转不变性，其认为倒置的人脸图像和直立的人脸图像不一样，侧面的人脸图像与正面的也不一样。

2. 基于图像检测

OpenCV中预先训练好的物体检测器位于 .../data/haarcascades 目录下，也可访问官网获取。基于正面识别效果最好的模型文件为 haarcascade_frontalface_alt2.xml 。

（1）检测器文件如下：

（2）举例（官网）：

import cv2

filename = 'players.png'

def detect(filename):
  face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_alt2.xml')
  eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')
  img = cv2.imread(filename)
  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  
  '''
  cv2.CascadeClassifier.detectMultiScale(image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize]]]]]) → objects
  Parameters:	
        image – Matrix of the type CV_8U containing an image where objects are detected.
        scaleFactor – Parameter specifying how much the image size is reduced at each image scale.
        minNeighbors – Parameter specifying how many neighbors each candidate rectangle should have to retain it.
        flags – Parameter with the same meaning for an old cascade as in the function cvHaarDetectObjects. It is not used for a new cascade.
        minSize – Minimum possible object size. Objects smaller than that are ignored.
        maxSize – Maximum possible object size. Objects larger than that are ignored.  
        objects – Vector of rectangles where each rectangle contains the detected object, the rectangles may be partially outside the original image.
  '''
  faces = face_cascade.detectMultiScale(gray, 1.1, 5)
  for (x,y,w,h) in faces:
    img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
  
  cv2.namedWindow('Players Detected!!')
  cv2.imshow('Players Detected!!', img)
  cv2.waitKey()
  cv2.destroyAllWindows()

detect(filename)

（3）检测结果如下：

下一篇：《OpenCV3-Python人脸识别方法—基于摄像头》

参考：

Gary Bradski，Adrian Kaehler（著）《学习OpenCV（中文版）》 清华大学出版社。