我們的英雄在哪？

接下來讓我們使用上述級(jí)聯(lián)分類器實(shí)現(xiàn)漫威英雄面部檢測(cè)－－驚奇隊(duì)長(zhǎng)面部檢測(cè)。

001 （15）

我們只須使用圖像中的一部分即頭部部分。首先，獲取驚奇隊(duì)長(zhǎng)臉部周圍感興趣區(qū)域；然后把圖像轉(zhuǎn)換成灰度圖。之所以只使用一個(gè)通道，是因?yàn)槲覀冎粚?duì)特征的像素值強(qiáng)度變化感興趣。

cap＿mavl ＝ cv2．imread（＇images／captin＿marvel．jpg＇）

＃ Find the region of interest

roi ＝ cap＿mavl［50：350， 200：550］

roi ＝ cv2．cvtColor（roi， cv2．COLOR＿BGR2GRAY）

plt．imshow（roi， cmap ＝ ＇gray＇）

通過下方代碼使用Haar級(jí)聯(lián)分類器。

＃ Load Cascade filter 

face＿cascade ＝ cv2．CascadeClassifier（＇haarcascades／haarcascade＿frontalface＿default．xml＇）

接下來，我們將創(chuàng)建一個(gè)函數(shù)來檢測(cè)人臉并在目標(biāo)區(qū)域周圍繪制一個(gè)矩形。為了檢測(cè)人臉，我們可以使用上面加載的分類器face＿cascade的． detectmulitscale（）方法。它返回指定區(qū)域的四個(gè)點(diǎn)所以我們?cè)谀莻�(gè)位置畫一個(gè)矩形。scaleFactor是一個(gè)參數(shù)，表示在每個(gè)圖像尺度上圖像大小減少了多少，minNeighbors表示每個(gè)候選矩形應(yīng)該訓(xùn)練多少個(gè)鄰居�，F(xiàn)在我們把這個(gè)函數(shù)應(yīng)用到圖像上，看看結(jié)果。

＃ Create the face detecting function 

def detect＿face（img）：

img＿2 ＝ img．copy（）

face＿rects ＝ face＿cascade．detectMultiScale（img＿copy，
                                              scaleFactor ＝ 1．1，
                                              minNeighbors ＝ 3）

for （x， y， w， h） in face＿rects：

cv2．rectangle（img＿2， （x， y）， （x＋w， y＋h）， （255， 255， 255）， 3）

return img＿2

＃ Detect the face

roi＿detected ＝ detect＿face（roi）

plt．imshow（roi＿detected， cmap ＝ ＇gray＇）

plt．a(chǎn)xis（＇off＇）

正如看到的那樣，haar級(jí)聯(lián)分類器取得了不錯(cuò)的人臉檢測(cè)效果。接下來，讓我們嘗試檢測(cè)含有多張人臉的圖片。

＃ Load the image file and convert the color mode

avengers ＝ cv2．imread（＇images／avengers．jpg＇）

avengers ＝ cv2．cvtColor（avengers， cv2．COLOR＿BGR2GRAY）

＃ Detect the face and plot the result

detected＿avengers ＝ detect＿face（avengers）

display（detected＿avengers， cmap ＝ ＇gray＇）

很明顯檢測(cè)結(jié)果不完全準(zhǔn)確。出現(xiàn)了錯(cuò)誤捕捉“非人臉”目標(biāo)以及丟失了部分“真實(shí)人臉”。有趣的是，它成功地探測(cè)到了蜘蛛俠，卻把美國(guó)隊(duì)長(zhǎng)和黑寡婦的手誤當(dāng)成了眼睛。通常在人臉圖像凸顯出更加清晰的五官時(shí)，可以得到更好的人臉檢測(cè)結(jié)果。

嘗試檢測(cè)自己的臉

接下來介紹使用網(wǎng)絡(luò)攝像頭檢測(cè)人臉的實(shí)現(xiàn)方法。類似上方的實(shí)現(xiàn)方式。代碼如下方所示�？梢酝ㄟ^ESC按鍵終止退出檢測(cè)。

import cv2

import numpy as np

＃ Step 1． Define detect function

face＿cascade ＝ cv2．CascadeClassifier（＇haarcascades／haarcascade＿frontalface＿default．xml＇）

def detect＿face（img）：

img＿copy ＝ img．copy（）

face＿rects ＝ face＿cascade．detectMultiScale（img＿copy）

for （x， y， w， h） in face＿rects：

cv2．rectangle（img＿copy， （x， y）， （x＋w， y＋h）， （255， 255， 255）， 3）

return img＿copy

＃ Step 2． Call the cam

cap ＝ cv2．VideoCapture（0） 

while True： 

ret， frame ＝ cap．read（0） 

frame ＝ detect＿face（frame）

cv2．imshow（＇Video Face Detection＇， frame） 

c ＝ cv2．waitKey（1） 

if c ＝＝ 27：
       break 

cap．release（） 

cv2．destroyAllWindows（）

總結(jié)

本篇介紹了傳統(tǒng)的邊緣檢測(cè)、角點(diǎn)檢測(cè)以及人臉檢測(cè)方法。下篇將介紹輪廓檢測(cè)技術(shù)等。敬請(qǐng)期待。