赞
踩
相信大家一定想知道haarcascade_frontalface_alt.xml是什么吧,不要着急,听我慢慢道来。
haarcascade_frontalface_alt.xml
'haarcascade_frontalface_default.xml'是OpenCV中已经训练好的人脸分类器文件。它是基于Haar特征的级联分类器,可以用于检测正脸的人脸。该文件是通过大量的正负样本训练而成,可以用于人脸检测的应用中。
一般情况下该人脸分类器是保存再Python\Python310\Lib\site-packages\cv2\data的文件中的该文件中,再文件还有其他的一些分类器,比如猫脸的分类器,haarcascade_frontalcatface.xml。
通过使用记事本直接代开'haarcascade_frontalface_default.xml'可以发现里面是训练完之后描述人脸特征的详细数据。该数据再运行时会交给计算机,计算机通过特征数据进行人脸的检测,(正脸检测)。
cv2.CascadeClassifier()是OpenCV中用于创建级联分类器对象的函数。它需要一个训练好的分类器文件作为参数,例如人脸检测需要使用已经训练好的人脸分类器文件。该函数返回一个CascadeClassifier对象,可以用于对图像或视频进行对象检测。例如,以下代码创建了一个人脸分类器对象:
- import cv2 # 加载人脸分类器文件
- face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
其中,'haarcascade_frontalface_default.xml'是已经训练好的人脸分类器文件。通过调用cv2.CascadeClassifier()函数并传入该文件路径,得到一个人脸分类器对象face_cascade,可以用于对图像或视频进行人脸检测。
cv2.CascadeClassifier是OpenCV中的一个类,用于对象检测。它可以使用Haar级联分类器或LBP级联分类器来检测目标对象,例如人脸、车辆、眼睛等。它可以在Python中使用,并且需要一个训练好的分类器文件来进行检测。简单来说,cv2.CascadeClassifier是一个用于检测目标对象的类,可以在Python中使用,常用于人脸识别、车辆识别等领域。
有了这些,我们就可以通过视频或者摄像头实现基本的人脸检测。话不多说,我们直接上代码
- import cv2
-
- # 打开摄像头或者视频
-
- # 使用cv2.VideoCapture()打开摄像头 默认摄像头打开为0,视频的话直接使用文件路径即可
-
- cap = cv2.VideoCapture(0)
-
- # 使用cv2中以及训练好的人脸检测分类器,创建级联分类器对象,这里时人脸检测的分类器对象
-
- facedetector = cv2.CascadeClassifier(
-
- r"C:\Users\TZW\AppData\Local\Programs\Python\Python310\Lib\site-packages\cv2\data\haarcascade_frontalface_alt.xml")
-
-
-
- while True:
-
- #导入一帧图片
-
- ret,img = cap.read()
-
- # 转化为灰度图像
-
- gray = cv2.cvtColor(img, cv2.COLOR_BGRA2GRAY)
-
- # 再灰度图像中检测人脸,返回的结果是包含起始坐标,以及宽和高。
-
- face= facedetector.detectMultiScale(gray)
-
- for x,y,w,h in face:
-
- # 在原图像上画一个圆圈
-
- cv2.circle(img,(x+w//2,y+h//2),(w//2),(0,0,255),thickness=2)
-
- # 展示图片
-
- cv2.imshow("img",img)
-
- key=cv2.waitKey(1000//24)
-
- # 输入“q”退出循环
-
- if key==ord("q") :
-
- break
-
- # 释放占用的资源
-
- cap.release()
-
- cv2.destroyAllWindows()
代码的演示结果,我就不给大家展示,大家知道博主是一名帅哥就行了。(开个小小的玩笑)大家可以自己去敲一下代码,代码很简单。
大家如果上面有什么看不懂的代码而自己有不想去搜的话,可以使用chatgpt去查询相关的代码解释。个人觉得使用chatgpt能够大大的提到代码的理解水平,毕竟工具出来是给大家使用的,合理使用工具能够提高大家的学习效率(废话又多了)。
最后,希望这篇博客能给大家带来一点收获,每天进步一小点,我在下一篇博客等你。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。