OpenCV 人脸检测-Haar Cascade 哈尔级联（1）

目标：确定图片中人脸的位置，并画出矩形框。

1. 核心原理

（1）使用Haar-like特征做检测

注意：特征值为白色矩形像素和减去黑色矩形像素和

（2）Integral Image : 积分图加速特征计算

（3）AdaBoost : 选择关键特征，进行人脸和非人脸分类

（4）Cascade : 级联，弱分类器成为强分类器

它提供了四个级联分类器（针对人脸的正面）：

（1）haarcascade_frontalface_alt.xml (FA1):  22 stages and 20 x 20 haar features

（2）haarcascade_frontalface_alt2.xml (FA2): 20 stages and 20 x 20 haar features

（3）haarcascade_frontalface_alt_tree.xml (FAT):  47 stages and 20 x 20 haar features

（4）haarcascade_frontalface_default.xml (FD):  25 stages and 24 x 24 haar features

# 1 导入库
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 2 方法：显示图片
def show_iamge(image, title, pos):
    # BGR to RGB
    img_RGB = image[:,:,::-1]
    plt.subplot(1, 1, pos)
    plt.title(title)
    plt.imshow(img_RGB)
    plt.axis("off")  # 关闭坐标轴

# 3 方法：绘制图片中检测到的人脸
def plot_rectangle(image, faces):
    # 拿到检测到的人脸数据，返回4个值：坐标(x,y), 宽高width, height
    for (x, y, w, h) in faces:
        cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 3)
    return image

# 4 主函数
def main():
    #  5 读取一张图片
    image = cv2.imread("wedding photos.jpg")

    # 6 转换成灰度图片
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 7 通过OpenCV自带的方法cv2.CascadeClassifier()加载级联分类器
    face_alt2 = cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")

    # 8 通过第7步，对图像中的人脸进行检测
    face_alt2_detect = face_alt2.detectMultiScale(gray)

    # 9 绘制图片中检测到的人脸
    face_alt2_result = plot_rectangle(image.copy(), face_alt2_detect)

    # 10 创建画布
    plt.figure(figsize=(9, 6))
    plt.suptitle("Face detection with Haar Cascade", fontsize=14, fontweight="bold")

    # 11 最终显示整个检测效果
    show_iamge(face_alt2_result, "face_alt2", 1)

    plt.show()
# 12 主程序入口
if __name__ == '__main__':
    main()