使用Python在OpenCV中使用haar Cascade的微笑检测

我们将使用 Haar 级联分类器在图像中进行微笑检测。haar 级联分类器是一种有效的对象检测方法。这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面图像（带微笑的图像）和负面图像（没有微笑的图像）。然后从这些正图像和负图像训练分类器。然后，它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级联来进行微笑检测。对于输入图像中的微笑检测，我们需要两个haar级联，一个用于面部检测，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Haarcascades？

您可以在GitHub网站地址以下找到不同的h-

 

opencv/data/haarcascades at master · opencv/opencv · GitHub

要下载微笑Haarcascades，请单击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。确保您已经安装了它。

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

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

• 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。

• 将人脸投资回报率定义为检测到的人脸的图像[y：y+h， x：x+w]。现在检测检测到的面部区域 （roi） 内的微笑。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（） 在原始图像中检测到的微笑（嘴巴）周围绘制边界矩形。

• 在嘴周围使用绘制的边框显示图像。

让我们看一些例子，以便更清楚地理解。

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

在执行时，它将产生以下输出 -

Number of detected faces: 1
smile detected

我们得到以下输出窗口 -