Python實戰(zhàn)之OpenCV實現(xiàn)貓臉檢測
開發(fā)工具
Python版本：3.6.4
相關(guān)模塊：
cv2模塊；
以及一些Python自帶的模塊。
環(huán)境搭建
安裝Python并添加到環(huán)境變量，pip安裝需要的相關(guān)模塊即可。
原理簡介
簡單地講一講Haar分類器，也就是Viola-Jones識別器。
詳細的原理說明可參考相關(guān)文件中的兩篇論文：
Rapid Object Detection using a Boosted Cascade of Simple Features;
Robust Real-Time Face Detection.
（1）Haar-like特征
Haar-like矩形特征是用于物體檢測的數(shù)字圖像特征，由兩個或者多個相鄰的黑白矩形組合而成，矩形的特征值是白色矩形的灰度值之和減去黑色矩形的灰度值之和。一般地，我們認為矩形特征對一些簡單的圖形結(jié)構(gòu)(線段、邊緣)等較為敏感：
具體到貓臉檢測而言，我們認為把這樣的矩形放到一個非貓臉區(qū)域后獲得的特征值與放到一個貓臉區(qū)域后獲得的特征值是不同的。
利用上述基于特征的檢測算法，不僅能夠編碼特定區(qū)域的狀態(tài)，而且效率高于基于像素的檢測算法。
（2）積分圖
下面我們來考慮一下如何計算矩形的特征值。對圖像中的任意一點A(x, y)，定義該點的積分圖為其左上角的所有像素值之和，即：
因此，要計算矩形模板的特征值，也就是計算兩個區(qū)域之間的像素和之差，只需要用特征區(qū)域端點的積分圖來進行簡單的加減運算就可以了：
（3）Haar分類器
Haar分類器是一個監(jiān)督學(xué)習分類器，要進行目標檢測，首先要對圖像進行直方圖均衡化和歸一化處理，然后檢測里面是否包含要檢測的物體。
流程框架圖為(Haar分類器本質(zhì)上由Haar特征提取器、離散強分類器以及強分類級聯(lián)器組成)：
Haar分類器使用Adaboost算法，但是把它組織為了篩選式的級聯(lián)分類器，在任意一級計算中，**一旦獲得輸入內(nèi)容不在檢測類中的結(jié)論，便終止計算，只有通過所有級別的分類器，才可認為檢測到了目標物體，**以此來提高檢測效率。
關(guān)于AdaBoost算法，我就不展開介紹了，有興趣的同學(xué)可以自己查找相關(guān)資料進行學(xué)習。以后有時間我再對其進行詳細的介紹。
（4）適用范圍
適用于“基本剛性”的物體檢測，如臉、汽車、人體和自行車等等。
（5）總結(jié)
Viola-Jones目標檢測框架的核心思想是通過滑動窗口掃描圖像(多尺度的掃描)，然后將每個窗口的Haar特征值輸入到篩選式的級聯(lián)分類器中來判斷該窗口內(nèi)是否含有目標物體以實現(xiàn)目標檢測。
具體實現(xiàn)
OpenCV中內(nèi)置了基于Viola-Jones目標檢測框架的Haar分類器，并提供了貓臉檢測預(yù)訓(xùn)練好的模型。因此實現(xiàn)起來十分簡單。
具體實現(xiàn)過程詳見相關(guān)文件中的源代碼。
效果演示
使用方式：
修改源代碼中的圖片名為自己需要檢測的圖片：
在cmd窗口運行DetectCatFace.py文件即可。
效果：
原圖1：
檢測結(jié)果1：
原圖2：
檢測結(jié)果2（并不能很好地區(qū)分狗狗和貓咪）：
到此這篇關(guān)于Python實戰(zhàn)之OpenCV實現(xiàn)貓臉檢測的文章就介紹到這了,更多相關(guān)OpenCV實現(xiàn)貓臉檢測內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
使用keras實現(xiàn)孿生網(wǎng)絡(luò)中的權(quán)值共享教程
這篇文章主要介紹了使用keras實現(xiàn)孿生網(wǎng)絡(luò)中的權(quán)值共享教程，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
在本篇文章里小編給大家整理的是關(guān)于python字典怎么排序的相關(guān)知識點內(nèi)容，有興趣的朋友們學(xué)習下。2019-10-10
python PaddleSpeech實現(xiàn)嬰兒啼哭識別
這篇文章主要為大家介紹了python PaddleSpeech實現(xiàn)嬰兒啼哭識別操作詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-08-08
這篇文章主要介紹了python可視化text()函數(shù)使用詳解,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習或者工作具有一定的參考學(xué)習價值,需要的朋友可以參考下2020-02-02
這篇文章主要為大家介紹了Python實現(xiàn)不寫硬盤上傳文件的方法示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-07-07
Pytorch搭建簡單的卷積神經(jīng)網(wǎng)絡(luò)(CNN)實現(xiàn)MNIST數(shù)據(jù)集分類任務(wù)
這篇文章主要介紹了Pytorch搭建簡單的卷積神經(jīng)網(wǎng)絡(luò)(CNN)實現(xiàn)MNIST數(shù)據(jù)集分類任務(wù),本文給大家介紹的非常詳細，對大家的學(xué)習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2023-03-03
這篇文章主要介紹了基于Django實現(xiàn)日志記錄報錯信息,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習或者工作具有一定的參考學(xué)習價值,需要的朋友可以參考下2019-12-12
二叉搜索樹(二叉排序樹)它的每個節(jié)點的數(shù)據(jù)結(jié)構(gòu)為1個父節(jié)點指針,1個左孩子指針,1個有孩子指針,還有就是自己的數(shù)據(jù)部分了,因為只有左右兩孩子,所以才叫二叉樹,在此基礎(chǔ)上,該二叉樹還滿足另外一個條件:每個結(jié)點的左孩子都不大于該結(jié)點&&每個結(jié)點的右孩子都大于該結(jié)點.2016-02-02
這篇文章主要介紹了如何使用Docker將Python項目打包成鏡像并部署為容器,包括準備工作、Python項目結(jié)構(gòu)、編寫Dockerfile、構(gòu)建Docker鏡像、運行容器、優(yōu)化鏡像大小、自動化部署以及總結(jié),需要的朋友可以參考下2025-03-03
今天小編就為大家分享一篇對Python 中矩陣或者數(shù)組相減的法則詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08