使用Python中的OpenCV和Haar级联检测器进行微笑检测

我们将使用Haar级联检测器在图像中进行微笑检测。Haar级联分类器是一种有效的对象检测方法，它是基于机器学习的方法。为了训练一种用于微笑检测的Haar级联分类器，算法需要一定量的正面图像（有微笑的图像）和负面图像（没有微笑的图像）。随后，使用这些正面和负面图像来训练分类器。然后，使用训练好的分类器在其他图像中进行微笑检测。

我们可以使用预先训练好的Haar级联用于微笑检测。在输入图像中进行微笑检测，我们需要两个Haar级联，一个用于脸部检测，另一个用于微笑检测。我们将使用以下两个Haar级联：

• haarcascade_frontalface_default.xml

• haarcascade_smile.xml

如何下载Haarcascades？

你可以在GitHub网址上找到不同的Haarcascade——

https://github.com/opencv/opencv/tree/master/data/haarcascades

要下载微笑Haarcascade，请单击 haarcascade_smile.xml 文件。在原始格式中打开它，右键单击并保存。

步骤

要检测图像中的微笑，可以按照以下步骤操作：

• 导入所需的库。在以下所有示例中，需要使用的Python库是 OpenCV 。请确保您已经安装了该库。

• 使用 cv2.imread() 读取输入图像。指定完整的图像路径。将图像转换为灰度图像。

• 初始化Haar级联分类器对象 face_cascade = cv2.CascadeClassifier() 用于脸部检测和 smile_cascade = cv2.CascadeClassifier 用于微笑检测。传递Haar级联XML文件的完整路径。可以使用Haar级联文件 haarcascade_frontalface_default.xml 来检测图像中的脸部和 haarcascade_smile.xml 来检测微笑。

• 使用 face_cascade.detectMultiScale() 检测输入图像中的人脸。它以 （x，y，w，h） 格式返回检测到的人脸的坐标。

• 将人脸检测的区域（ roi ）定义为 image[y:y+h, x:x+w] ，然后在检测到的人脸区域内（ roi ）检测微笑。使用 smile_cascade.detectMultiScale() 。它还以 （sx，sy，sw，sh） 格式返回检测到的眼睛的边界矩形的坐标。

• 使用 cv2.rectangle() 在原始图像中绘制检测到的微笑（嘴巴）边界矩形。

• 显示带有绘制的嘴巴周围边界矩形的图像。

让我们看一些示例，以便更清楚地理解。

示例

在这个Python程序中，我们使用Haar级联检测器在输入图像中进行微笑检测。

# import required libraries
import cv2

# read input image
img = cv2.imread('smile1.jpg')

# convert the image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# read haar cascade for face detection
face_cascade = cv2.CascadeClassifier('haarcascades\haarcascade_frontalface_default.xml')

# read haar cascade for smile detection
smile_cascade = cv2.CascadeClassifier('haarcascades\haarcascade_smile.xml')

# Detects faces in the input image
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
print('Number of detected faces:', len(faces))

# loop over all the faces detected
for (x,y,w,h) in faces:

   # draw a rectangle in a face
   cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,255),2)
   cv2.putText(img, "Face", (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 255), 2)
   roi_gray = gray[y:y+h, x:x+w]
   roi_color = img[y:y+h, x:x+w]

   # detecting smile within the face roi
   smiles = smile_cascade.detectMultiScale(roi_gray, 1.8, 20)
   if len(smiles) > 0:
      print("smile detected")
      for (sx, sy, sw, sh) in smiles:
         cv2.rectangle(roi_color, (sx, sy), ((sx + sw), (sy + sh)), (0, 0, 255), 2)
         cv2.putText(roi_color, "smile", (sx, sy),
         cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
   else:
      print("smile not detected")

# Display an image in a window
cv2.imshow('Smile Image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

我们将使用这张图片作为该程序的 输入文件。

输出

执行后，将会得到以下输出：

检测到的人脸数：1
检测到微笑

我们将得到以下的 输出 窗口 –