免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

我們的英雄在哪？

接下來讓我們使用上述級聯分類器實現漫威英雄面部檢測－－驚奇隊長面部檢測。

001 （15）

我們只須使用圖像中的一部分即頭部部分。首先，獲取驚奇隊長臉部周圍感興趣區域；然后把圖像轉換成灰度圖。之所以只使用一個通道，是因為我們只對特征的像素值強度變化感興趣。

cap＿mavl ＝ cv2．imread（＇images／captin＿marvel．jpg＇）

＃ Find the region of interest

roi ＝ cap＿mavl［50：350， 200：550］

roi ＝ cv2．cvtColor（roi， cv2．COLOR＿BGR2GRAY）

plt．imshow（roi， cmap ＝ ＇gray＇）

通過下方代碼使用Haar級聯分類器。

＃ Load Cascade filter 

face＿cascade ＝ cv2．CascadeClassifier（＇haarcascades／haarcascade＿frontalface＿default．xml＇）

接下來，我們將創建一個函數來檢測人臉并在目標區域周圍繪制一個矩形。為了檢測人臉，我們可以使用上面加載的分類器face＿cascade的． detectmulitscale（）方法。它返回指定區域的四個點所以我們在那個位置畫一個矩形。scaleFactor是一個參數，表示在每個圖像尺度上圖像大小減少了多少，minNeighbors表示每個候選矩形應該訓練多少個鄰居。現在我們把這個函數應用到圖像上，看看結果。

＃ Create the face detecting function 

def detect＿face（img）：

img＿2 ＝ img．copy（）

face＿rects ＝ face＿cascade．detectMultiScale（img＿copy，
                                              scaleFactor ＝ 1．1，
                                              minNeighbors ＝ 3）

for （x， y， w， h） in face＿rects：

cv2．rectangle（img＿2， （x， y）， （x＋w， y＋h）， （255， 255， 255）， 3）

return img＿2

＃ Detect the face

roi＿detected ＝ detect＿face（roi）

plt．imshow（roi＿detected， cmap ＝ ＇gray＇）

plt．axis（＇off＇）

正如看到的那樣，haar級聯分類器取得了不錯的人臉檢測效果。接下來，讓我們嘗試檢測含有多張人臉的圖片。

＃ Load the image file and convert the color mode

avengers ＝ cv2．imread（＇images／avengers．jpg＇）

avengers ＝ cv2．cvtColor（avengers， cv2．COLOR＿BGR2GRAY）

＃ Detect the face and plot the result

detected＿avengers ＝ detect＿face（avengers）

display（detected＿avengers， cmap ＝ ＇gray＇）

很明顯檢測結果不完全準確。出現了錯誤捕捉“非人臉”目標以及丟失了部分“真實人臉”。有趣的是，它成功地探測到了蜘蛛俠，卻把美國隊長和黑寡婦的手誤當成了眼睛。通常在人臉圖像凸顯出更加清晰的五官時，可以得到更好的人臉檢測結果。

嘗試檢測自己的臉

接下來介紹使用網絡攝像頭檢測人臉的實現方法。類似上方的實現方式。代碼如下方所示。可以通過ESC按鍵終止退出檢測。

import cv2

import numpy as np

＃ Step 1． Define detect function

face＿cascade ＝ cv2．CascadeClassifier（＇haarcascades／haarcascade＿frontalface＿default．xml＇）

def detect＿face（img）：

img＿copy ＝ img．copy（）

face＿rects ＝ face＿cascade．detectMultiScale（img＿copy）

for （x， y， w， h） in face＿rects：

cv2．rectangle（img＿copy， （x， y）， （x＋w， y＋h）， （255， 255， 255）， 3）

return img＿copy

＃ Step 2． Call the cam

cap ＝ cv2．VideoCapture（0） 

while True： 

ret， frame ＝ cap．read（0） 

frame ＝ detect＿face（frame）

cv2．imshow（＇Video Face Detection＇， frame） 

c ＝ cv2．waitKey（1） 

if c ＝＝ 27：
       break 

cap．release（） 

cv2．destroyAllWindows（）

總結

本篇介紹了傳統的邊緣檢測、角點檢測以及人臉檢測方法。下篇將介紹輪廓檢測技術等。敬請期待。