在 python 中使用 Haar-Cascade 进行人脸检测

介绍

在本文中，我们将讨论在 OpenCV python 中使用 Haar Cascade（级联）实现人脸检测器。

识别图像中的给定对象称为对象检测。可以使用多种技术来完成此任务，但在本文中，我们将使用带有预训练 XML 文件的 haar 级联。这是执行对象检测的最简单方法。

Haar 级联已用于低边缘设备上的对象检测，它是 OpenCV 中最流行的对象检测算法之一。

Haar 级联计算量不大；因此它适用于计算能力较小的小型设备。

Haar 级联

什么是 Haar 级联，它是如何工作的？

Haar 级联 是一种基于特征的对象检测算法，用于从图像中检测对象。Cascade 函数在大量正负图像上进行训练以进行检测。

该算法不需要大量计算并且可以实时运行。我们可以为动物、汽车、自行车等自定义对象训练自己的级联函数。

Haar 级联 不能用于人脸识别，因为它只能识别匹配的形状和大小。

Haar 级联使用 Cascade 函数和 Cascade 窗口。它尝试计算每个窗口的特征并进行正负分类。如果窗口可以是对象的一部分，则为正，否则为负。

Haar 级联可以理解为二进制分类器。它为那些可以成为我们对象一部分的级联窗口指定正值，为那些不能成为我们对象的一部分的窗口指定负值。

• Haar 级联可以实时工作。

• 与现代对象检测算法相比，Haar 级联并不准确。

• 它检测到许多误报。这可以在一定程度上进行调整，但不能完全删除。

• 实现起来非常简单。

• Haar 级联最大的缺点是它的误报检测。

预训练的 Haar 级联

有许多预训练的 haar 级联文件使实施变得超级容易。我们也可以训练自己的 haar 级联，但这需要大数据进行训练。

OpenCV 库在 GitHub 上管理所有流行的 haar 级联预训练文件的存储库

链接地址：https://github.com/opencv/opencv/tree/master/data/haarcascades

这些文件可用于各种对象检测任务，例如：

• 人脸检测

• 眼睛检测

• 车辆检测

• 鼻子/嘴巴检测

• 身体检测

• 车牌检测