OpenCV-Python ＜七＞ 级联分类器

OpenCV中，提供了三种级联分类器--- Haar级联分类器，Hog特征和LBP算法的级联分类器。

为了训练针对特定类型对象的级联分类器， OpenCV提供了专门的工具， build/x86/vc12/bin目录下，有opencv_createsamples.exe, opencv_traincascade.exe。

1. 训练过程：

2. 使用级联分类器：

可以使用opencv中一些训练好的级联分类器。这些分类器可以用来检测人脸，脸部特征(眼睛，鼻子)，人体和其它物体。他们放在opencv/data目录。

包含

haarcascades, hogcascades, lbpcascades,haarcascades_cuda等。

2.1:使用介绍：

2.1.1:加载级联分类器：

= cv2.CascadeClassifier(filename)

filename:级联分类器的路径和名称。

产生一个级联分类器object.

这里曾出过一个问题：

直接下载github中opencv 官方模型如：haarcascade_frontalcatface.xml。 加载时会报错：

SystemError: returned a result with an error set

后来下载OpenCV整个Source Code，指定filename到对应xml文件，则正常了。没太搞清楚是怎么回事。

2.1.2:检测目标：

用来检测输入image中是否有目标。

参数：

image: 待检测图像。 通常为灰度图。

scaleFactor: 前后两次扫描中， 搜索窗口的缩放比例。 缺省为1.1

minNeighbors:检测目标的相邻矩形的最小个数。缺省为3. 表示有3个以上的检测标记存在时，才认为目标存在。如果希望提高精准率，则可以提高这个值。

minSize: 目标的最小尺寸。小于这个尺寸的目标被忽略。

maxSize:目标的最大尺寸。大于这个尺寸的目标被忽略。

返回值：

objects:

as a list of rectangles

返回值是个ndarray.  shape: （N, 4）

每一行是一个rectangle：  x, y, w, h

实例：

import cv2
import numpy as np
import sys

def face_detector(img):
    face_detect = cv2.CascadeClassifier(r"E:currentsvn_pythonOpenCV_Studyopencvopencv_opencvdatahaarcascadeshaarcascade_frontalface_alt.xml")
    face_detect = cv2.CascadeClassifier(
        r"models/haarcascade_frontalface_default.xml")


    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_detect.detectMultiScale(gray)

    print(type(faces[0]))
    print(faces.shape)
    # print(faces)

    for x, y, w, h in faces:
        cv2.rectangle(img, (x,y), (x+w, y+h), (0,0,255), 2)

    cv2.imshow("Image", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


def face_pixelated(file_name):
    img = cv2.imread(file_name, cv2.IMREAD_COLOR)
    if (img is None):
        print("Read File Error.")
        sys.exit()

    face_detector(img)


if __name__ == "__main__":
    face_pixelated("images/ab.jpeg")