OpenCV检测篇(二):笑脸检测

前言

由于本文与上一篇OpenCV检测篇(一):猫脸检测具有知识上的连贯性,所以建议没读过前一篇的先去阅读一下前一篇,前面讲过的内容这里会省略掉。

笑脸检测

其实也没什么可省略的,因为跟在opencv中,无论是人脸检测、人眼检测、猫脸检测、行人检测等等,套路都是一样的。正所谓:

自古深情留不住,总是套路得人心。

发挥主要作用的函数有且仅有一个:detectMultiScale()。前一篇猫脸检测中已经提到过这个函数,这里就不再详细赘述。

这里只说一下笑脸检测的流程,显然也都是套路:

1.加载人脸检测器进行人脸检测

2 加载笑脸检测器进行笑脸检测

检测的时候用的都是同一个函数,也即上述detectMultiScale()函数。这里需要注意的一点是:

  • 笑脸检测是在人脸检测之后得到的人脸区域中进行的。我猜它用到的算法很可能是检测人的嘴角的姿态,因为笑脸检测最后的输出结果就是框住了人上扬的嘴角。

效果展示

更多

这么多内容作为一篇的话我觉得是不是略少?那就加点内容吧,我把上面的内容用C++有写了一遍,不同于上面的直接检测图片,C++版本是调用摄像头来检测自己的笑脸。

代码获取

分别是想要亲自尝试一下的朋友可以从我的github上获取代码。

C++版本:https://github.com/LiuXiaolong19920720/smile-detection-Cpp

Python版本:https://github.com/LiuXiaolong19920720/smile-detection-Python

Python代码

# -*- coding=utf-8 -*-
import cv2

# 人脸检测器
facePath = "lbpcascade_frontalface.xml"
faceCascade = cv2.CascadeClassifier(facePath)

# 笑脸检测器
smilePath = "haarcascade_smile.xml"
smileCascade = cv2.CascadeClassifier(smilePath)

img = cv2.imread("test.jpg")  
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 首先检测人脸,返回的是框住人脸的矩形框
faces = faceCascade.detectMultiScale(
    gray,
    scaleFactor= 1.1,
    minNeighbors=8,
    minSize=(55, 55),
    flags=cv2.CASCADE_SCALE_IMAGE
)

# 画出每一个人脸,提取出人脸所在区域
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)
    roi_gray = gray[y:y+h, x:x+w]
    roi_color = img[y:y+h, x:x+w]

    # 对人脸进行笑脸检测
    smile = smileCascade.detectMultiScale(
        roi_gray,
        scaleFactor= 1.16,
        minNeighbors=35,
        minSize=(25, 25),
        flags=cv2.CASCADE_SCALE_IMAGE
    )

    # 框出上扬的嘴角并对笑脸打上Smile标签
    for (x2, y2, w2, h2) in smile:
        cv2.rectangle(roi_color, (x2, y2), (x2+w2, y2+h2), (255, 0, 0), 2)
        cv2.putText(img,'Smile',(x,y-7), 3, 1.2, (0, 255, 0), 2, cv2.LINE_AA)

cv2.imshow('Smile?', img)
#cv2.imwrite("smile.jpg",img)
c = cv2.waitKey(0)

C++代码

#include<opencv2\opencv.hpp>  
#include <iostream>  
#include <stdio.h>  

using namespace std;
using namespace cv;

String face_cascade_name = "haarcascade_frontalface_default.xml";
String smile_cascade_name = "haarcascade_smile.xml";
CascadeClassifier face_cascade;     
CascadeClassifier smile_cascade;   
String window_name = "Capture - Face detection";

int main()
{
    VideoCapture capture;  
    Mat frame;  

    if (!face_cascade.load(face_cascade_name))
    {
        printf("--(!)Error loading face cascade\n"); 
        return -1;
    };
    if (!smile_cascade.load(smile_cascade_name)) 
    {
        printf("--(!)Error loading eyes cascade\n"); 
        return -1;
    };

    //-- 2. Read the video stream  
    capture.open(0);  
    if (!capture.isOpened()) 
    { 
        printf("--(!)Error opening video capture\n"); 
        return -1; 
    }  

    while (capture.read(frame))
    {
        if (frame.empty())
        {
            printf(" --(!) No captured frame -- Break!");
            break;
        }

        std::vector<Rect> faces;
        Mat frame_gray;

        cvtColor(frame, frame_gray, COLOR_BGR2GRAY);
        equalizeHist(frame_gray, frame_gray);
        face_cascade.detectMultiScale(frame_gray, faces, 1.05, 8, CASCADE_SCALE_IMAGE);

        for (size_t i = 0; i < faces.size(); i++)
        {
            rectangle(frame, faces[i], Scalar(255, 0, 0), 2, 8, 0);

            Mat faceROI = frame_gray(faces[i]);
            std::vector<Rect> smile;

            //-- In each face, detect smile
            smile_cascade.detectMultiScale(faceROI, smile, 1.1, 55, CASCADE_SCALE_IMAGE);

            for (size_t j = 0; j < smile.size(); j++)
            {
                Rect rect(faces[i].x + smile[j].x, faces[i].y + smile[j].y, smile[j].width, smile[j].height);
                rectangle(frame, rect, Scalar(0, 0, 255), 2, 8, 0);
            }
        }
        //-- Show what you got  
        namedWindow(window_name, 2);
        imshow(window_name, frame);
        waitKey(100);
    }
    int c = waitKey(0);
    if ((char)c == 27) { return 0; } 

    return 0;
}

本文仅代表作者观点,不代表腾讯云技

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

编辑于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏iOSDevLog

Python机器学习:Scikit-Learn教程

一个易于理解的scikit-learn教程,可以帮助您开始使用Python机器学习。

2655
来自专栏新智元

PyTorch 最新版发布:API 变动,增加新特征,多项运算和加载速度提升

【新智元导读】PyTorch 发布了最新版,API 有一些变动,增加了一系列新的特征,多项运算或加载速度提升,而且修改了大量bug。官方文档也提供了一些示例。 ...

5157
来自专栏杨熹的专栏

Instance Based Learning

Udacity Machine Learning Instance Based Learning ---- Supervised Learning 给你一...

2744
来自专栏小鹏的专栏

机器学习进阶系列

本文为博主原创文章,未经博主允许不得转载。有问题可以加微信:lp9628(注明CSDN)。

2527
来自专栏崔庆才的专栏

Learning to Rank概述

Learning to Rank,即排序学习,简称为 L2R,它是构建排序模型的机器学习方法,在信息检索、自然语言处理、数据挖掘等场景中具有重要的作用。其达到的...

3425
来自专栏大学生计算机视觉学习DeepLearning

python实现gabor滤波器提取纹理特征 提取指静脉纹理特征 指静脉切割代码

5115
来自专栏专知

显存不足?PyTorch 显存使用分析与优化

面对动辄几百万几千万参数量的模型, GPU那连常规 U盘都比不过的显存, 真的是杯水车薪。相信大家在日常模型训练过程中,或多或少的总会遇见:

4362
来自专栏一心无二用,本人只专注于基础图像算法的实现与优化。

阅读Real-Time O(1) Bilateral Filtering 一文的相关感受。

研究双边滤波有很长一段时间了,最近看了一篇Real-Time O(1) Bilateral Filtering的论文,标题很吸引人,就研读了一番,经过几天的攻...

2279
来自专栏技术随笔

[福利] 深入理解 RNNs & LSTM 网络学习资料图解

4589
来自专栏闪电gogogo的专栏

压缩感知重构算法之压缩采样匹配追踪(CoSaMP)

压缩采样匹配追踪(CompressiveSampling MP)是D. Needell继ROMP之后提出的又一个具有较大影响力的重构算法。CoSaMP也是对OM...

25910

扫码关注云+社区