位置: IT常识 - 正文

10 OpenCV图像识别之人脸追踪(opencv图像识别特定形状)

编辑:rootadmin
10 OpenCV图像识别之人脸追踪 文章目录1 级联分类器2 人脸跟踪2.1 相关方法2.2 代码示例

推荐整理分享10 OpenCV图像识别之人脸追踪(opencv图像识别特定形状),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:opencv图像识别特定形状,opencv 图片识别,opencv图像识别特定形状,opencv图像识别教程,opencv图像识别有什么算法,opencv图像识别有什么算法,opencv图像识别有什么算法,opencv图像识别实例,内容如对您有帮助,希望把文章链接给更多的朋友!

CV2中内置了人脸识别等常用的算法,这类算法是通过级联分类器实现的。

1 级联分类器

级联分类器的核心思想是使用多个分类器级联,每个分类器负责检测不同的特征,逐步排除不可能是目标的区域,从而减少计算量和误检率,提高检测效率。级联分类器通常由多个弱分类器组成,这些弱分类器的输出被级联在一起形成强分类器,因此级联分类器也被称为“弱分类器的级联”。

在OpenCV中,级联分类器使用的Haar特征是一种基于矩形区域的特征,用于描述物体的边缘、角、线等。Adaboost算法用于训练分类器,它是一种迭代算法,每一轮迭代都会选出最优的特征和阈值进行分类器训练。

级联分类器在人脸检测等领域有着广泛的应用,因为它能够快速准确地识别目标,并且可以通过调整参数来平衡检测速度和准确度。但是,级联分类器也存在一些局限性,比如对于光照、姿态、遮挡等变化较大的情况,检测效果可能不理想。

级联分类器存储在cv2包下的data中: 每个分类器都针对特定的物体或场景进行了优化。以下是一些常用的级联分类器及其作用:

Haar人脸分类器(haarcascade_frontalface_default.xml):用于检测图像中的人脸,是OpenCV中最常用的级联分类器之一。Haar眼睛分类器(haarcascade_eye.xml):用于检测人脸中的眼睛。Haar上半身分类器(haarcascade_upperbody.xml):用于检测图像中的上半身,包括头、肩膀和胸部。Haar全身分类器(haarcascade_fullbody.xml):用于检测图像中的整个人体,包括头、肩膀、胸部、腰部、腿和脚。Haar汽车分类器(haarcascade_car.xml):用于检测图像中的汽车。Haar行人分类器(haarcascade_pedestrian.xml):用于检测图像中的行人,适用于行人检测和跟踪等场景。

除了以上列举的常用分类器,还有一些其他分类器,如针对摩托车、猫、狗、手部、火焰等物体或场景的分类器。值得注意的是,这些分类器都是基于Haar特征和Adaboost算法构建的,因此对于复杂场景或要检测的物体形态较为复杂的情况,可能需要使用其他类型的物体检测算法或自行训练分类器来获得更好的检测效果。

2 人脸跟踪2.1 相关方法10 OpenCV图像识别之人脸追踪(opencv图像识别特定形状)

在CV2中,涉及的操作分别为导入分类器(CascadeClassifier方法)与使用分类器(分类器下的detectMultiScale方法)。 其中导入方法比较简单:

cascade = cv2.CascadeClassifier("xml文件路径")

导入后使用分类器的detectMultiScale方法进行图像识别:

objects = cascade.detectMultiScale(image, scaleFactor=1.1, minNeighbors=3, flags=0, minSize=None, maxSize=None)

其中,cascade是cv2.CascadeClassifier对象,image是要检测的图像。该方法返回一个由检测到的物体的矩形框组成的numpy数组。

其他可选参数解释如下:

scaleFactor:每次图像缩小的比例。默认为1.1,即每次图像缩小10%。minNeighbors:控制误检测率的阈值。默认为3,表示每个候选矩形框周围至少需要有3个相邻的矩形框才能被认为是真正的矩形框。flags:用于控制级联分类器的行为。可以是以下值之一:

cv2.CASCADE_SCALE_IMAGE:缩放图像以适应每个尺度。cv2.CASCADE_DO_ROUGH_SEARCH:使用粗略的搜索模式。cv2.CASCADE_FIND_BIGGEST_OBJECT:只返回最大的物体。cv2.CASCADE_DO_CANNY_PRUNING:使用Canny边缘检测器进行物体检测。cv2.CASCADE_DO_MEDIAN_BLUR:对图像进行中值模糊处理。minSize:指定检测到的物体的最小尺寸,可以是元组或列表。默认为None,表示没有最小尺寸限制。maxSize:指定检测到的物体的最大尺寸,可以是元组或列表。默认为None,表示没有最大尺寸限制。

detectMultiScale方法返回的矩形框是一个numpy数组,每行对应一个检测到的物体,四列分别表示矩形框的x坐标、y坐标、宽度和高度。可以使用循环遍历该数组,对图像中检测到的物体进行进一步处理,例如在物体周围画一个矩形框,或者将其提取出来用于后续处理。

2.2 代码示例import cv2img = cv2.imread("zuiguifanju.jpg") # 加载识别人脸的级联分类器 faceCascade = cv2.CascadeClassifier(r"D:\Python\Anaconda3\lib\site-packages\cv2\data\haarcascade_frontalface_default.xml") faces = faceCascade.detectMultiScale(img, maxSize=[100,100]) # 识别出所有人脸,最大不超过100*100(提升识别准确率) for (x, y, w, h) in faces: # 遍历人脸区 cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 5) cv2.imshow("img", img) cv2.waitKey() cv2.destroyAllWindows()

同时,可以给大佬们带上个帅气的墨镜:

import cv2# 覆盖图像 def overlay_img(img, img_over, img_over_x, img_over_y): """ 覆盖图像 :param img: 背景图像 :param img_over: 覆盖的图像 :param img_over_x: 覆盖图像在背景图像上的横坐标 :param img_over_y: 覆盖图像在背景图像上的纵坐标 :return: 两张图像合并之后的图像 """ img_h, img_w, img_p = img.shape # 背景图像宽、高、通道数 img_over_h, img_over_w, img_over_c = img_over.shape # 覆盖图像高、宽、通道数 if img_over_c == 3: # 通道数小于等于3,则转换成4通道图像 img_over = cv2.cvtColor(img_over, cv2.COLOR_BGR2BGRA) for w in range(0, img_over_w): for h in range(0, img_over_h): if img_over[h, w, 3] != 0: # 如果不是透明的像素 print(img_over[h, w, 3]) for c in range(0, 3): x = img_over_x + w y = img_over_y + h if x >= img_w or y >= img_h: # 如果坐标超出最大宽高则不画 break alpha = img_over[h, w, 3] / 255.0 # 计算alpha通道值 img[y, x, c] = alpha * img_over[h, w, c] /+ (1 - alpha) * img[y, x, c] # 覆盖像素 return img face_img = cv2.imread("zuiguifanju.jpg") glass_img = cv2.imread("glass.png", cv2.IMREAD_UNCHANGED) height, width, channel = glass_img.shape # 加载级联分类器 face_cascade = cv2.CascadeClassifier(r"D:\Python\Anaconda3\lib\site-packages\cv2\data\haarcascade_frontalface_default.xml") faces = face_cascade.detectMultiScale(face_img, maxSize=[100,100]) # 识别人脸 for (x, y, w, h) in faces: gw = w # 眼镜缩放之后的宽度 gh = int(height * w / width) # 眼镜缩放之后的高度度 glass_img = cv2.resize(glass_img, (gw, gh)) # 按照人脸大小缩放眼镜 overlay_img(face_img, glass_img, x, y + int(h * 1 / 3)) # 将眼镜绘制到人脸cv2.imshow("screen", face_img) cv2.waitKey() cv2.destroyAllWindows()

上面的代码主要思路是利用一个自定义函数overlay_img来实现图像的覆盖,函数的输入参数是背景图像img,覆盖的图像img_over,以及img_over在img中的坐标img_over_x和img_over_y。函数的返回值是两张图像合并之后的图像。

在函数内部,首先获取背景图像和覆盖图像的宽、高、通道数。如果覆盖图像的通道数小于等于3,就将其转换成4通道图像。然后遍历覆盖图像的所有像素,如果当前像素不是透明像素(alpha通道不为0),就计算alpha通道值,然后根据该值对覆盖像素和背景像素进行加权求和,得到最终的像素值。

在主程序中,首先读取人脸图像和眼镜图像,并使用级联分类器检测人脸。然后遍历所有人脸的区域,按照人脸大小缩放眼镜图片,并调用overlay_img函数将眼镜图片覆盖在人脸图片上。最后显示最终处理的效果。

本文链接地址:https://www.jiuchutong.com/zhishi/300656.html 转载请保留说明!

上一篇:Redux的基本使用过程详解(redux入门教程)

下一篇:【论文笔记】CycleGAN(基于PyTorch框架)(毕业论文笔记怎么写)

  • 资产负债表的其他流动资产包括哪些
  • 工程项目结算流程图
  • 高温费国家有规定,一定要支付吗?
  • 可以从开发成本直接结转至主营业务成本吗
  • 没申报可以开票嘛
  • 应发工资和实发工资计算公式excel
  • 想开饮品店
  • 销售费用与管理的关系
  • 境外投资子公司审计报告人民币汇率
  • 销售自用旧机动车辆的税务处理
  • 发票丢失怎么做分录
  • 拆迁补偿款上交财政
  • 券商买卖股票手续费
  • 用友软件作废凭证
  • 筹备费用怎么扣税的
  • 税务局代开票流程是怎样的?
  • 过节政府有补助钱吗
  • 非正常损失的购进货物进项税不能抵扣
  • 季度报没有报怎么办
  • 增值税专票已经认证
  • 税金及附加包括个人所得税吗
  • 公司年检需要什么资料
  • 税收筹划有哪些特点?
  • 企业押金怎么管理
  • 应用商店获取无反应
  • 主营业务收到的现金
  • 票据质押出票如何操作
  • 接入设备检测
  • 企业自持商品住房定义
  • 土地使用税的税目写什么
  • 金融资产终止确认是什么意思
  • 损益类科目怎么结转
  • 技术安装工人包食宿
  • 出售报废边角料税率
  • php接收post数据并查询数据库
  • 玩很多游戏的人
  • 数字图像处理课后题答案
  • 准确率精确率
  • idea搭建web开发环境
  • vue组件教程
  • 嵌入式软件开票要求
  • discuzcms
  • etc如何取票据
  • 恢复从回收站已经清除的文件
  • access数据库如何
  • mysql 死锁处理
  • 什么情况下要缴纳房产税
  • 小规模纳税人按1%
  • 法人往自己公司打款没用注明用途
  • 公司为员工异地缴纳五险一金
  • 无形资产的相关税费
  • 保险工资单怎么开
  • 暂估收不到发票,怎么处理
  • 营业外支出贷方余额
  • 哪些商业保险可以抵扣个税
  • 卖出去的货没有发票怎么给人家解释
  • WINDOWS操作系统最新版本
  • linux的telnet用法
  • win10 10月更新
  • windows环境是什么意思
  • imac 迅雷
  • linux重复命令
  • win8的运行在哪里打开
  • 苹果电脑连不上网络但是wifi正常
  • linux系统有哪几个
  • win7旗舰版开机
  • jquery怎么写
  • Node.js中的construct构造函数
  • 不错的意思
  • pythonweb框架有哪些
  • unity3d脚本编程
  • node js连接数据库
  • python多线程例子
  • javascript总结笔记
  • python 二叉堆
  • js获取
  • 国税局升迁难么
  • 20年灵活就业人员社保新标准
  • 在水贝买的黄金
  • 北京税务局代个人开发票
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设