使用 OpenCV 和 Python 進行基於 Haar 級聯的微笑檢測

我們將使用 Haar 級聯分類器來檢測影像中的微笑。Haar 級聯分類器是一種有效的目標檢測方法。它是一種基於機器學習的方法。為了訓練用於微笑檢測的 Haar 級聯分類器，該演算法最初需要大量的正樣本影像（帶有微笑的影像）和負樣本影像（沒有微笑的影像）。然後從這些正樣本和負樣本影像中訓練分類器。然後將其用於檢測其他影像中的微笑。

我們可以使用已經訓練好的 Haar 級聯進行微笑檢測。為了在輸入影像中進行微笑檢測，我們需要兩個 Haar 級聯，一個用於人臉檢測，另一個用於微笑檢測。我們將使用以下兩個 Haar 級聯：

  • haarcascade_frontalface_default.xml

  • haarcascade_smile.xml

如何下載 Haar 級聯？

您可以在以下 GitHub 網站地址找到不同的 Haar 級聯：

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

要下載微笑 Haar 級聯，請點選 **haarcascade_smile.xml** 檔案。以原始格式開啟它，右鍵單擊並儲存。

步驟

要檢測影像中的微笑，您可以按照以下步驟操作：

  • 匯入所需的庫。在以下所有示例中，所需的 Python 庫是 **OpenCV**。確保您已安裝它。

  • 使用 **cv2.imread()** 讀取輸入影像。指定完整影像路徑。將影像轉換為灰度影像。

  • 初始化 Haar 級聯分類器物件 **face_cascade = cv2.CascadeClassifier()** 用於人臉檢測和 **smile_cascade = cv2.CascadeClassifier** 用於微笑檢測。傳遞 Haar 級聯 xml 檔案的完整路徑。您可以使用 Haar 級聯檔案 **haarcascade_frontalface_default.xml** 檢測影像中的人臉，並使用 **haarcascade_smile.xml** 檢測微笑。

  • 使用 **face_cascade.detectMultiScale()** 檢測輸入影像中的人臉。它以 **(x,y,w,h)** 格式返回檢測到的人臉的座標。

  • 為檢測到的人臉定義人臉 **roi** 為 **image[y:y+h, x:x+w]**。現在在檢測到的人臉區域（**roi**）內檢測微笑。使用 **smile_cascade.detectMultiScale()**。它還以 **(sx,sy,sw,sh)** 格式返回眼睛邊界矩形的座標。

  • 使用 **cv2.rectangle()** 在原始影像中繪製檢測到的微笑（嘴巴）周圍的邊界矩形。

  • 顯示帶有繪製的嘴巴周圍邊界矩形的影像。

讓我們看一些示例，以便更好地理解。

示例

在這個 Python 程式中，我們使用 Haar 級聯在輸入影像中執行微笑檢測。

# 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()

我們將使用此影像作為該程式的 **輸入檔案**：


輸出

執行後，它將產生以下輸出：

Number of detected faces: 1
smile detected

並且我們將獲得以下 **輸出** 視窗：


更新於: 2022年12月5日

3K+ 閱讀量

開啟您的 職業生涯

透過完成課程獲得認證

開始學習
廣告