利用OpenCV对视频里的人脸进行检测

现在对视频里的物体进行检测的方式有很多比如现在很火的几种深度学习图像检测算法YOLO，Faster R-Cnn，SSD等，但有些情况下直接使用OpenCV来实现检测可能也有独特的优点，例如非常的快Orz！
使用OpenCV里的CascadeClassifier()来实现人脸检测,检测方式相当于 滑动窗口机制+级联分类器

1、滑动窗口机制

滑动窗口机制，在深度学习计算机视觉里也有，就是用一个大小固定的框去扫描输入的图片如下图。
最终一张图片扫描得到的结果数量由输入图片的大小、框的大小以及每次扫描之间的步长有关。

2.级联分类器

关于级联分类器可以看看这两篇介绍

https://zhuanlan.zhihu.com/p/59121403
https://www.cnblogs.com/YiXiaoZhou/p/5875492.html

简单来说，级联分类器主要利用了AdaBoost算法，将若干个简单的弱分类器串连成强分类器从而实现分类。

3.准备工作

要使用CascadeClassifier()实现人脸检测，首先需要获得一个级联分类器训练后的特征池haarcascade_frontalface_alt.xml，点击这里下载。
然后在网上搜索或者自己去街边录制一个视频文件。
准备完成之后可以上代码了。

4.代码

代码并不长，加载级联分类器的特征池后使用
detectMultiScale( const Mat& image,vector& objects,double scaleFactor,minNeighbors,flags=0,minObjectSize maxObjectSize)
来捕获人脸的box，相关参数请看代码中的注释

import cv2 as cv
import numpy as np
faceCascade=cv.CascadeClassifier('./Resources/haarcascade_frontalface_alt.xml')
#加载特征池
cap = cv.VideoCapture('./Resources/video_test.mp4')
#读取视频
while cap.isOpened():
    ret,img=cap.read()
    imgGary=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    faces=faceCascade.detectMultiScale(imgGary,1.1,3)
    #const Mat& image：输入图像
	#vector& objects：输出的矩形向量组
	#double scaleFactor=1.1：两次相继的扫描中，搜索窗口的比例系数，默认是1.1，调整比例会影响检测的速度
	#minNeighbors=3：匹配成功所需要的周围矩形框的数目
	#flags=0：可以取如下这些值：CASCADE_DO_CANNY_PRUNING=1, 利用canny边缘检测来排除一些边缘很少或者很多的图像区域CASCADE_SCALE_IMAGE=2, 正常比例检测CASCADE_FIND_BIGGEST_OBJECT=4, 只检测最大的物体CASCADE_DO_ROUGH_SEARCH=8 初略的检测
	# minObjectSize maxObjectSize：匹配物体的大小范围

    for (x,y,w,h) in faces:
        cv.rectangle(img,(x,y),(x+w,y+h),(0,0,255),1)
        #为脸部绘制框
        cv.putText(img,str((x,y)),(x,y),cv.FONT_HERSHEY_COMPLEX,0.5,(0,255,0),1)
		#标记框的坐标
    cv.imshow('test',img)
    cv.waitKey(1)

4.识别效果

最后

以上就是正直大象为你收集整理的利用OpenCV对视频里的人脸进行检测利用OpenCV对视频里的人脸进行检测的全部内容，希望文章能够帮你解决利用OpenCV对视频里的人脸进行检测利用OpenCV对视频里的人脸进行检测所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。