使用級聯函數

基本流程

函數介紹

在OpenCV中，人臉檢測使用的是cv2.CascadeClassifier.detectMultiScale()函數，它可以檢測出圖片中所有的人臉。該函數由分類器對象調用，其語法格式為：

objects = cv2.CascadeClassifier.detectMultiScale( image[, scaleFactor[,

?minNeighbors[, flags[, minSize[, maxSize]]]]] )

式中各個參數及返回值的含義為：

• image：待檢測圖像，通常為灰度圖像。
• scaleFactor：表示在前后兩次相繼的掃描中，搜索窗口的縮放比例。
• minNeighbors：表示構成檢測目標的相鄰矩形的最小個數。默認情況下，該值為3，意味著有3個以上的檢測標記存在時，才認為人臉存在。如果希望提高檢測的準確率，可以將該值設置得更大，但同時可能會讓一些人臉無法被檢測到。
• flags：該參數通常被省略。在使用低版本OpenCV（OpenCV 1.X版本）時，它可能會被設置為CV_HAAR_DO_CANNY_PRUNING，表示使用Canny邊緣檢測器來拒絕一些區(qū)域。
• minSize：目標的最小尺寸，小于這個尺寸的目標將被忽略。
• maxSize：目標的最大尺寸，大于這個尺寸的目標將被忽略。如果maxSize和minSize大小一致，表示僅在一個尺度上查找目標。通常情況下，將該可選參數省略即可。

objects：返回值，目標對象的矩形框向量組。該值是一組矩形信息，包含了每個檢測到的人臉所對應矩形框的（x方向位置、y方向位置、寬度、高度）信息。

代碼示例

# -*- coding: utf-8 -*-
"""
Created on Sat Feb 17 21:09:07 2024@author: 李立宗公眾號：計算機視覺之光知識星球：計算機視覺之光"""import cv2
# ===============1 原始圖像處理====================
image = cv2.imread('manyPeople.jpg')
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
# ================2 加載分類器========================
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# =================3 人臉檢測========================
faces = faceCascade.detectMultiScale(gray,scaleFactor = 1.04,minNeighbors = 18,minSize = (8,8))
# ===============4 打印輸出的實現=====================
print("發(fā)現{0}張人臉!".format(len(faces)))
print("其位置分別是：")
print(faces)
# ==================5 標注人臉及顯示=======================
for(x,y,w,h) in faces:cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,0),2) 
cv2.imshow("result",image)
cv2.waitKey(0)
cv2.destroyAllWindows()

檢測結果：

學習參考
?

理解并實現OpenCV中的圖像平滑技術

OpenCV中的邊緣檢測技術及實現

參考文獻

1、OpenCV輕松入門
李立宗，OpenCV輕松入門，電子工業(yè)出版社，2023

2、計算機視覺40例
李立宗，計算機視覺40例，電子工業(yè)出版社，2022