使用Python在OpenCV中使用haar Cascade的微笑检测

2023-10-23 13:40

本文主要是介绍使用Python在OpenCV中使用haar Cascade的微笑检测,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

我们将使用 Haar 级联分类器在图像中进行微笑检测。haar 级联分类器是一种有效的对象检测方法。这是一种基于机器学习的方法。为了训练用于微笑检测的haar级联分类器,该算法最初需要大量的正面图像(带微笑的图像)和负面图像(没有微笑的图像)。然后从这些正图像和负图像训练分类器。然后,它用于检测其他图像中的微笑。

我们可以使用已经训练好的haar级联来进行微笑检测。对于输入图像中的微笑检测,我们需要两个haar级联,一个用于面部检测,另一个用于微笑检测。我们将使用以下两个 haar 级联 -

  • haarcascade_frontalface_default.xml

  • haarcascade_smile.xml

如何下载Haarcascades?

您可以在GitHub网站地址以下找到不同的h-

 

opencv/data/haarcascades at master · opencv/opencv · GitHub

要下载微笑Haarcascades,请单击haarcascade_smile.xml文件。以原始格式打开它,右键单击并保存。 

步骤

要检测图像中的微笑,您可以按照以下步骤操作 -

  • 导入所需的库。在以下所有示例中,所需的 Python 库是 OpenCV。确保您已经安装了它。

  • 使用 cv2.imread() 读取输入图像。指定完整的图像路径。将图像转换为灰度图像。

  • 启动 Haar 级联分类器对象face_cascade = cv2。CascadeClassifier() 用于人脸检测和 smile_cascade = cv2。用于微笑检测的级联分类器。传递 haar 级联 xml 文件的完整路径。您可以使用 haar 级联文件haarcascade_frontalface_default.xml来检测图像中的人脸,并使用haarcascade_smile.xml来检测微笑。

  • 使用 face_cascade.detectMultiScale() 检测输入图像中的人脸。它以 (x,y,w,h) 格式返回检测到的人脸的坐标。

  • 将人脸投资回报率定义为检测到的人脸的图像[y:y+h, x:x+w]。现在检测检测到的面部区域 (roi) 内的微笑。使用 smile_cascade.detectMultiScale()。它还以 (sx,sy,sw,sh) 格式返回眼睛边界矩形的坐标。

  • 使用 cv2.rectangle() 在原始图像中检测到的微笑(嘴巴)周围绘制边界矩形。

  • 在嘴周围使用绘制的边框显示图像。

让我们看一些例子,以便更清楚地理解。

在这个 Python 程序中,我们使用 haar 级联在输入图像中执行微笑检测。

 

# import required libraries import cv2 # read input image img = cv2.imread('smile1.jpg') # convert the image to grayscale gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # read haar cascade for face detection face_cascade = cv2.CascadeClassifier('haarcascades\haarcascade_frontalface_default.xml') # read haar cascade for smile detection smile_cascade = cv2.CascadeClassifier('haarcascades\haarcascade_smile.xml') # Detects faces in the input image faces = face_cascade.detectMultiScale(gray, 1.3, 5) print('Number of detected faces:', len(faces)) # loop over all the faces detected for (x,y,w,h) in faces: # draw a rectangle in a face cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,255),2) cv2.putText(img, "Face", (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 255), 2) roi_gray = gray[y:y+h, x:x+w] roi_color = img[y:y+h, x:x+w] # detecting smile within the face roi smiles = smile_cascade.detectMultiScale(roi_gray, 1.8, 20) if len(smiles) > 0: print("smile detected") for (sx, sy, sw, sh) in smiles: cv2.rectangle(roi_color, (sx, sy), ((sx + sw), (sy + sh)), (0, 0, 255), 2) cv2.putText(roi_color, "smile", (sx, sy), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2) else: print("smile not detected") # Display an image in a window cv2.imshow('Smile Image',img) cv2.waitKey(0) cv2.destroyAllWindows()

我们将使用此图像作为该程序的输入文件 -

输出

在执行时,它将产生以下输出 -

Number of detected faces: 1
smile detected

我们得到以下输出窗口 -

这篇关于使用Python在OpenCV中使用haar Cascade的微笑检测的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/268200

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]