《基于樹莓派的智能設備開》課件-人臉檢測

無錫職業(yè)技術學院內(nèi)部資料基于樹莓派的智能設備開發(fā)人臉檢測

CONTENTSPAGE目錄頁1介紹算法與思路編程與實現(xiàn)24目錄實驗組件3模塊一

介紹TRANSITIONPAGE過渡頁人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術，也是計算機視覺重點發(fā)展的技術。人臉檢測是人臉識別的前提，是在一幅畫面中找出人臉的位置。檢測人臉的算法比較復雜，但OpenCV已經(jīng)將這些算法封裝好，今天我們使用OpenCV自帶的功能進行人臉檢測。模塊一介紹最常見的人臉檢測方式是使用Haar級聯(lián)分類器，OpenCV提供了一些已經(jīng)訓練好的級聯(lián)分類器，我們可以從其網(wǎng)站上進行下載，或者從github上下載，網(wǎng)址如下：/opencv/opencv/tree/master/data/haarcascades模塊一介紹*模塊二

算法與思路TRANSITIONPAGE過渡頁OpenCV實現(xiàn)人臉檢測需要進行兩步操作：加載級聯(lián)分類器和使用分類器識別圖像。這兩步操作OpenCV都提供了相應的方法。首先是加載級聯(lián)分類器，OpenCV通過CascadeClassifier()方法創(chuàng)建了分類器對象，其語法如下：<object>=cv2.CascadeClassifier(filename)參數(shù)：filename：級聯(lián)分類器的XML文件名返回值：分類器對象模塊二算法與思路然后使用已經(jīng)創(chuàng)建好的分類器對圖像進行識別，這個過程需要調(diào)用分類器對象的detectMultiScale()方法，其語法如下：objects=cascade.detectMultiScale(image,scaleFactor,minNeighbors,flags,minSize,maxSize)對象說明：cascade：已有的分類器對象。參數(shù)說明：image：待分析的圖像

scaleFactor：可選參數(shù)，掃描圖像時的縮放比例。minNeighbors：可選參數(shù)，每個候選區(qū)域至少保留多少個檢測結(jié)果才可以判定為人臉。該值越大，分析的誤差越小。flags：可選參數(shù)，舊版本OpenCV的參數(shù)，建議使用默認值。minSize：可選參數(shù)，最小的目標尺寸。maxSize：可選參數(shù)，最大的目標尺寸。模塊二算法與思路然后使用已經(jīng)創(chuàng)建好的分類器對圖像進行識別，這個過程需要調(diào)用分類器對象的detectMultiScale()方法，其語法如下：objects=cascade.detectMultiScale(image,scaleFactor,minNeighbors,flags,minSize,maxSize)返回值說明：objects：捕捉到的目標區(qū)域數(shù)組，數(shù)組中每一個元素都是一個目標區(qū)域，每一個目標區(qū)域都包含4個值，格式為：[左上角點橫坐標

左上角點縱坐標

區(qū)域?qū)?/p>

區(qū)域高]接下來，我們在返回值objects中遍歷，在檢測出人臉處繪制方框，標識出人臉。模塊二算法與思路*模塊三

實驗組件TRANSITIONPAGE過渡頁本次實驗需使用的組件如下：實驗設備名稱數(shù)量樹莓派主板1個電源適配器

1個USB攝像頭1個模塊二實驗組件*模塊四

編程與實現(xiàn)TRANSITIONPAGE過渡頁模塊四編程與實現(xiàn)haarcascade_frontalface_default.xml是檢測正面人臉的級聯(lián)分類器文件，加載該文件就可以創(chuàng)建出追蹤正面人臉的分類器，調(diào)用分類器對象的detectMultiScale()方法，得到的objects結(jié)果就是分析得出的人臉區(qū)域的坐標、寬和高。模塊四編程與實現(xiàn)我們編寫如下程序，實現(xiàn)正面人臉的檢測模塊四編程與實現(xiàn)下面是操作視頻：模塊四編程與實現(xiàn)相同類型的實驗項目，還有人眼檢測、車牌檢測、人體檢測、眼鏡檢