综合案例 OpenCV图像处理实战课件.pptxVIP

第九章综合案例

第九章综合案例本章主要介绍利用OpenCV进行人脸检测和车道线检测。运用之前学到的内容，解决实际问题。9.1人脸检测1.基于Haar特征的人脸检测Haar分类器采用的是Viola-Jones人脸检测算法该算法需要用到大量的积极图片（包含人脸的图片）和消极图片（不包含人脸的图片），从中提取类Haar特征(Haar-likefeatures)，经过反复训练，最终得出一个级联检测器，以此来检测人脸。Haar分类器使用Haar-like小波特征和积分图方法进行人脸检测，并与AdaBoost训练出的强分类器进行级联，增强了人脸检测的准确率。

第九章综合案例9.1人脸检测1.基于Haar特征的人脸检测Haar(哈尔)特征分为三类：边缘特征线性特征中心特征和对角线特征边缘特征线性特征中心特征

第九章综合案例9.1人脸检测1.基于Haar特征的人脸检测OpenCV中进行基于Haar的人脸检测使用detectMultiScale()函数格式：cv2.CascadeClassifier.detectMultiScale(image[,scaleFactor[,minNeighbors[,flags[,minSize[,maxSize]]]]])参数说明：image:表示的是要检测的输入图像scaleFactor:表示每次图像尺寸减小的比例minNeighbors：表示每一个目标至少要被检测到几次才算是真的目标(因为周围的像素和不同的窗口大小都可以检测到人脸)

第九章综合案例9.1人脸检测1.基于Haar特征的人脸检测参数说明：flags：可以取如下这些值：CASCADE_DO_CANNY_PRUNING=1,利用canny边缘检测来排除一些边缘很少或者很多的图像区域CASCADE_SCALE_IMAGE=2,正常比例检测CASCADE_FIND_BIGGEST_OBJECT=4,只检测最大的物体CASCADE_DO_ROUGH_SEARCH=8初略的检测minSize：为目标的最小尺寸maxSize：为目标的最大尺寸

第九章综合案例9.1人脸检测1.基于Haar特征的人脸检测参数说明：flags：可以取如下这些值：CASCADE_DO_CANNY_PRUNING=1,利用canny边缘检测来排除一些边缘很少或者很多的图像区域CASCADE_SCALE_IMAGE=2,正常比例检测CASCADE_FIND_BIGGEST_OBJECT=4,只检测最大的物体CASCADE_DO_ROUGH_SEARCH=8初略的检测minSize：为目标的最小尺寸maxSize：为目标的最大尺寸

第九章综合案例9.1人脸检测1.基于Haar特征的人脸检测应用实例1：利用Haar特征找出人脸位置

第九章综合案例9.1人脸检测1.基于Haar特征的人脸检测应用实例2：利用Harr特征找出人脸位置并绘制对应方框

第九章综合案例9.1人脸检测1.基于Haar特征的人脸检测应用实例2：利用Harr特征找出人脸位置并绘制对应方框通过上图可以看出，随着人脸越来越小，被检测到的人脸也越来越少，尝试调整scaleFactor为1.2，

第九章综合案例9.1人脸检测1.基于Haar特征的人脸检测应用实例2：利用Harr特征找出人脸位置并绘制对应方框调整scaleFactor为3，

第九章综合案例9.1人脸检测2.基于EigenFaces的人脸检测EigenFaces人脸检测是一种从主成分分析（PrincipalComponentAnalysis，PCA）中导出的人脸识别和描述技术。特征脸方法就是从大量的人脸图像中，寻找出人脸的共性。将眼睛、面颊、下颌样板采集协方差矩阵的特征向量统称为特征子脸。方法：通过函数cv2.face.EigenFaceRecognizer_create()生成特征脸识别器实例模型应用cv2.face_FaceRecognizer.train()函数完成训练使用cv2.face_FaceRecognizer.predict()函数完成人脸识别

第九章综合案例9.1人脸检测2.基于EigenFaces的人脸检测函数cv2.face.EigenFaceRecognizer_create()格式：retval=cv2.face.EigenFaceRecognizer_create([,num_components[,threshold]])参数说明：num_components：在PCA中要保留的分量个数。threshold：进行人脸识别时所采用的阈值。

第九章综合案例9.1人脸检测2.基于EigenFaces