当前位置: 首页 > article >正文

深度学习篇---Opencv中的Haar级联分类器


文章目录

  • 1.Haar 级联分类器配置文件的结构
  • 2.OpenCV 自带的 Haar 级联分类器配置文件
    • 2.1人脸检测
      • 2.1.1haarcascade_frontalface_default.xml
      • 2.1.2haarcascade_frontalface_alt.xml
      • 2.1.3haarcascade_frontalface_alt2.xml
      • 2.1.4haarcascade_frontalface_alt_tree.xml
    • 2.2眼睛检测
      • 2.2.1haarcascade_eye.xml
      • 2.2.2haarcascade_eye_tree_eyeglasses.xml
    • 2.3微笑检测
      • 2.3.1haarcascade_smile.xml
    • 2.4全身检测
      • 2.4.1haarcascade_fullbody.xml
    • 2.5上半身检测
      • 2.5.1haarcascade_upperbody.xml
    • 2.6下半身检测
      • 2.6.1haarcascade_lowerbody.xml
    • 2.7行人检测
      • 2.7.1haarcascade_pedestrian.xml
  • 3.使用 Haar 级联分类器配置文件


OpenCV 中的 Haar 级联分类器是一种基于 Haar 特征的目标检测方法,广泛应用于人脸检测、眼睛检测、行人检测等任务。Haar 级联分类器的核心是使用预先训练好的分类器模型,这些模型通常以 XML 文件的形式提供。OpenCV 自带了一些常用的 Haar 级联分类器配置文件,用户也可以根据需要训练自己的分类器。


1.Haar 级联分类器配置文件的结构

Haar 级联分类器的配置文件是一个 XML 文件,包含了分类器的结构、特征、阈值等信息。以下是配置文件的主要组成部分:

<cascade> 标签:

    这是 XML 文件的根标签,包含了整个级联分类器的信息。

<stageType> 标签:

    指定级联分类器的类型,通常是 "BOOST"(基于 AdaBoost 算法)。

<featureType> 标签:

    指定特征类型,通常是 "HAAR"(Haar 特征)。

<height> 和 <width> 标签:

    指定检测窗口的大小(以像素为单位),通常是 24x24。

<stageParams> 标签:

    包含级联分类器的参数,如弱分类器的数量、最大误检率等。

<featureParams> 标签:

    包含特征参数,如 Haar 特征的最大数量等。

<stages> 标签:

    包含所有级联阶段的列表。每个阶段都是一个 <_> 标签,包含该阶段的弱分类器和其他参数。

<trees> 标签:

    包含该阶段的决策树(弱分类器)。每个决策树是一个 <_> 标签,包含多个节点。

<feature> 标签:

    指定 Haar 特征的矩形区域及其权重。

<threshold> 标签:

    指定分类器的阈值,用于判断是否通过该阶段的分类。

2.OpenCV 自带的 Haar 级联分类器配置文件

OpenCV 提供了一些常用的 Haar 级联分类器配置文件,这些文件通常位于 OpenCV 安装目录的 data/haarcascades/ 目录下。以下是一些常见的配置文件:

2.1人脸检测

2.1.1haarcascade_frontalface_default.xml

    haarcascade_frontalface_default.xml:用于检测正面人脸。

2.1.2haarcascade_frontalface_alt.xml

    haarcascade_frontalface_alt.xml:另一种正面人脸检测模型。

2.1.3haarcascade_frontalface_alt2.xml

    haarcascade_frontalface_alt2.xml:改进的正面人脸检测模型。

2.1.4haarcascade_frontalface_alt_tree.xml

    haarcascade_frontalface_alt_tree.xml:基于树结构的正面人脸检测模型。

2.2眼睛检测

2.2.1haarcascade_eye.xml

    haarcascade_eye.xml:用于检测眼睛。

2.2.2haarcascade_eye_tree_eyeglasses.xml

    haarcascade_eye_tree_eyeglasses.xml:用于检测戴眼镜的眼睛。

2.3微笑检测

2.3.1haarcascade_smile.xml

    haarcascade_smile.xml:用于检测微笑。

2.4全身检测

2.4.1haarcascade_fullbody.xml

    haarcascade_fullbody.xml:用于检测全身。

2.5上半身检测

2.5.1haarcascade_upperbody.xml

    haarcascade_upperbody.xml:用于检测上半身。

2.6下半身检测

2.6.1haarcascade_lowerbody.xml

    haarcascade_lowerbody.xml:用于检测下半身。

2.7行人检测

2.7.1haarcascade_pedestrian.xml

    haarcascade_pedestrian.xml:用于检测行人。

3.使用 Haar 级联分类器配置文件

在 OpenCV 中使用 Haar 级联分类器配置文件非常简单。以下是一个使用 haarcascade_frontalface_default.xml 进行人脸检测的示例代码:

import cv2

#加载 Haar 级联分类器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

#读取图像
img = cv2.imread('test.jpg')

#转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#检测人脸
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

#绘制检测到的人脸
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

#显示结果
cv2.imshow('Detected Faces', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

Haar 级联分类器是 OpenCV 中一种强大的目标检测工具,适用于多种检测任务。OpenCV 提供了多种预训练的 Haar 级联分类器配置文件,用户也可以根据需要训练自定义的分类器。通过理解配置文件的结构和使用方法,可以更好地应用 Haar 级联分类器进行目标检测。



http://www.kler.cn/a/589222.html

相关文章:

  • MyBatis注解
  • Github 2025-03-16 php开源项目日报 Top10
  • 未来社交媒体的发展趋势:TikTok 与虚拟现实的结合
  • CCF-CSP第34次认证第四题——货物调度【DP+剪枝】
  • 零基础使用鸿蒙NDK开发最简步骤
  • KVM安全模块生产环境配置与优化指南
  • 【模拟面试】计算机考研复试集训(第四天)
  • 工程化与框架系列(35)--前端微服务架构实践
  • 【2025年39期免费获取股票数据API接口】实例演示五种主流语言获取股票行情api接口之沪深指数最新分时MACD数据获取实例演示及接口API说明文档
  • Spring 扩展点总结与分析
  • 【论文笔记】FFA-Net: Feature Fusion Attention Network for Single Image Dehazing
  • Spring MVC源码分析の请求处理流程
  • 从过拟合到强化学习:机器学习核心知识全解析
  • R 语言科研绘图 --- 密度图-汇总
  • C/C++基数排序(Radix Sort) 的排序算法。
  • 深入理解TCP/IP网络模型及Linux网络管理
  • Solidity基础 -- 哈希算法
  • C++ QT零基础教学(二)
  • tomato靶场通关攻略
  • Leetcode-131.Palindrome Partitioning [C++][Java]