手机游戏开发语言_长图制作网站_网站推广的途径有哪些_免费网站做seo

概念

• Haar 级联分类器是由多个简单分类器组成的复杂分类器，每个简单分类器都由 Haar 特征训练得到。
• Haar 级联器因其简单和快速而被应用于某些场景。
• OpenCV 提供多种预训练的 Haar 特征级联分类器，其已经在大量图像上进行了训练，并且针对特定类型的对象检测进行了优化。用户可以直接下载使用这些预训练模型，无需自己从头开始训练。

---

级联器实现人脸捕捉步骤：

1. 安装opencv库：pip install opencv-contrib-python。国内镜像：pip install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple。
2. 下载haarcascades包。
3. 开始写代码。

流程图例

1.

2.

步骤3代码：

import cv2def detect_faces(frame, face_cascade):# 将帧转换为灰度图像，以减少计算量并提高检测速度gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 检测灰度图像中的人脸faces = face_cascade.detectMultiScale(gray,scaleFactor=1.1,  # 图像缩放比例minNeighbors=5,  # 检测到的对象至少要有5个邻居minSize=(30, 30),  # 对象的最小尺寸flags=cv2.CASCADE_SCALE_IMAGE)# 在每个检测到的人脸周围画矩形框for (x, y, w, h) in faces:cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)return frame# 加载预训练的 Haar 特征级联分类器模型
face_cascade = cv2.CascadeClassifier('./haarcascades/haarcascade_frontalface_alt2.xml')# 打开摄像头
cap = cv2.VideoCapture(0)while True:# 从摄像头读取一帧ret, frame = cap.read()# 如果读取帧失败，则退出循环if not ret:print("无法获取摄像头数据，退出程序。")break# 使用 Haar 级联分类器检测人脸frame_with_faces = detect_faces(frame, face_cascade)# 显示结果帧cv2.imshow('Face Detection', frame_with_faces)# 按 'q' 键退出循环if cv2.waitKey(1) & 0xFF == ord('q'):break# 释放摄像头资源并关闭窗口
cap.release()
cv2.destroyAllWindows()

---

级联器实现微笑检测：

环境安装同上，注意路径引用就可，导包没啥好讲的。

代码： 

#导入opencv库，安装可用 pip install opencv-python
import cv2
#加载人脸检测模型
face = cv2.CascadeClassifier('./haarcascades/haarcascade_frontalface_default.xml')
#加载微笑检测模型
smile = cv2.CascadeClassifier('./haarcascades/haarcascade_smile.xml')cap = cv2.VideoCapture(0)  # 初始化摄像头
while True:  # 处理每一帧ret, frame = cap.read()  # 读取一帧frame = cv2.flip(frame, 1)  # 图片翻转， 水平翻转# 没有读到，直接退出if ret is None:breakgray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 灰度化（彩色BGR-->灰度Gray)face_detect = face.detectMultiScale(gray,  # 人脸检测scaleFactor=1.1,minNeighbors=5,minSize=(5, 5))# ==================处理每个人脸=======================for (x, y, w, h) in face_detect:  # 得到人脸所在位置# 绘制方框cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)# 提取人脸所在区域smile_rect = gray[y:y + h, x:x + w]# 微笑检测，仅在人脸区域内检测smile_detect = smile.detectMultiScale(smile_rect,scaleFactor=1.5,minNeighbors=5,minSize=(50, 50))for (sx, sy, sw, sh) in smile_detect:# 显示文字“smile”表示微笑了cv2.putText(frame, 'smile', (x, y), cv2.FONT_HERSHEY_COMPLEX_SMALL, 1, (0, 255, 0), 2)# 显示结果cv2.imshow('frame', frame)key = cv2.waitKey(1)if key == 27:  # 27为键盘Esc键breakcv2.destroyAllWindows()  # 关闭打开的图像窗口
cap.release()  # 释放视频捕获对象