Обнаружение лиц с помощью OpenCV

Обнаружение лиц — классическая задача компьютерного зрения, и OpenCV предоставляет метод обнаружения лиц на основе классификатора признаков Хаара, который прост в использовании и эффективен.

В этой статье будет подробно описано, как использоватьcv2.CascadeClassifier()для обнаружения лиц.

Введение в классификатор признаков Хаара

Классификатор признаков Хаара — это метод машинного обучения, основанный на признаках Хаара, предложенный Полом Виолой и Майклом Джонсом в 2001 году. Он извлекает признаки Хаара из изображений и использует алгоритм AdaBoost для обучения, в конечном итоге создавая классификатор для обнаружения целей (например, лиц) на изображениях.

Признаки Хаара — это простые прямоугольные признаки, которые извлекаются путем вычисления разностей значений пикселей между различными областями изображения. Например, признак Хаара может представлять собой разность между суммами значений пикселей двух соседних прямоугольников. Эти признаки могут улавливать структурную информацию, такую как края и линии на изображении.

Классификатор признаков Хаара в OpenCV

OpenCV предоставляет предварительно обученные классификаторы признаков Хаара, которые можно напрямую использовать для обнаружения лиц. Эти классификаторы хранятся в виде XML-файлов, содержащих параметры обученной модели.

В OpenCVcv2.CascadeClassifier()класс используется для загрузки и использования этих классификаторов.

Этапы реализации обнаружения лиц

  1. Загрузите модель классификатора признаков Хаара:Используйтеcv2.CascadeClassifier()Загрузите предварительно обученную модель обнаружения лиц.

  2. Прочитайте изображение:Используйтеcv2.imread()Прочитайте изображение, на котором будет выполняться обнаружение.

  3. Преобразуйте в оттенки серого:Преобразуйте изображение в оттенки серого, потому что классификатор признаков Хаара работает быстрее на изображениях в оттенках серого.

  4. Обнаружьте лица:ИспользуйтеdetectMultiScale()метод для обнаружения лиц на изображении.

  5. Нарисуйте результаты обнаружения:Нарисуйте прямоугольники вокруг обнаруженных лиц на изображении.

  6. Отобразите результат:Отобразите результат обнаружения.

Загрузка классификатора признаков Хаара

Перед использованием классификатора признаков Хаара необходимо сначала загрузить предварительно обученную модель классификатора. OpenCV предоставляет несколько предварительно обученных классификаторов, например для обнаружения лиц.haarcascade_frontalface_default.xml。

Пример

import cv2

# Загрузите классификатор признаков Хаара
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

Чтение изображения

Перед выполнением обнаружения лиц необходимо прочитать изображение, на котором нужно обнаружить лица. OpenCV предоставляетcv2.imread()функцию для чтения изображения.

Пример

# Чтение изображения
image = cv2.imread('image.jpg')

Преобразование изображения в оттенки серого

Классификатор признаков Хаара обычно выполняет обнаружение на изображениях в оттенках серого, поэтому необходимо преобразовать цветное изображение в оттенки серого.

Пример

# Преобразовать изображение в оттенки серого
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

Выполнение обнаружения лиц

Используйтеcv2.CascadeClassifier.detectMultiScale()метод для выполнения обнаружения лиц. Этот метод возвращает прямоугольник (x, y, w, h) для каждой обнаруженной области лица, где (x, y) — координата верхнего левого угла прямоугольника, а w и h — ширина и высота прямоугольника соответственно.

Пример

# Выполнить обнаружение лиц
faces = face_cascade.detectMultiScale(gray_image, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
  • scaleFactor: Указывает коэффициент, на который уменьшается размер изображения каждый раз, используется для построения пирамиды изображений. Значение по умолчанию — 1.1.
  • minNeighbors: Указывает количество соседей, которое должен сохранить каждый прямоугольник-кандидат. Значение по умолчанию — 5.
  • minSize: Указывает минимальный размер обнаруживаемой цели. Значение по умолчанию — (30, 30).

Рисование результатов обнаружения

После обнаружения лиц можно использоватьcv2.rectangle()метод для рисования прямоугольников на изображении, отмечая положения лиц.

Пример

# Нарисовать результаты обнаружения
for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)

Отображение результатов

Наконец, используйтеcv2.imshow()метод для отображения результатов обнаружения.

Пример

# Отобразить результат
cv2.imshow('Detected Faces', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

Полный пример кода

Ниже приведён полный пример кода обнаружения лиц с помощью OpenCV:

Пример

import cv2

# Загрузите классификатор признаков Хаара
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

# Чтение изображения
image = cv2.imread('image.jpg')

# Преобразовать изображение в оттенки серого
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# Выполнить обнаружение лиц
faces = face_cascade.detectMultiScale(gray_image, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

# Нарисовать результаты обнаружения
for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)

# Отобразить результат
cv2.imshow('Detected Faces', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
Другие расширения