使用 OpenCV 和 Python 进行基于 Haar 级联的微笑检测

我们将使用 Haar 级联分类器来检测图像中的微笑。Haar 级联分类器是一种有效的目标检测方法。它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样本图像（带有微笑的图像）和负样本图像（没有微笑的图像）。然后从这些正样本和负样本图像中训练分类器。然后将其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 级联进行微笑检测。为了在输入图像中进行微笑检测，我们需要两个 Haar 级联，一个用于人脸检测，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 Haar 级联？

您可以在以下 GitHub 网站地址找到不同的 Haar 级联：

https://github.com/opencv/opencv/tree/master/data/haarcascades

要下载微笑 Haar 级联，请点击 **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**。确保您已安装它。

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

  • 初始化 Haar 级联分类器对象 **face_cascade = cv2.CascadeClassifier()** 用于人脸检测和 **smile_cascade = cv2.CascadeClassifier** 用于微笑检测。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** 检测图像中的人脸，并使用 **haarcascade_smile.xml** 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。

  • 为检测到的人脸定义人脸 **roi** 为 **image[y:y+h, x:x+w]**。现在在检测到的人脸区域（**roi**）内检测微笑。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()** 在原始图像中绘制检测到的微笑（嘴巴）周围的边界矩形。

  • 显示带有绘制的嘴巴周围边界矩形的图像。

让我们看一些示例，以便更好地理解。

示例

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

执行后，它将产生以下输出：

Number of detected faces: 1
smile detected

并且我们将获得以下 **输出** 窗口：


更新于: 2022年12月5日

3K+ 阅读量

开启您的 职业生涯

通过完成课程获得认证

开始学习
广告