使用OpenCV和Python进行哈尔级联的微笑检测

我们将使用哈尔级联分类器来在图像中进行微笑检测。哈尔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。为了训练一个用于微笑检测的哈尔级联分类器，算法最初需要大量的正面图像（带有微笑的图像）和负面图像（没有微笑的图像）。然后，分类器从这些正面和负面图像进行训练，并用于检测其他图像中的微笑。

我们可以使用已经训练好的哈尔级联进行微笑检测。对于输入图像中的微笑检测，我们需要两个哈尔级联，一个用于人脸检测，另一个用于微笑检测。我们将使用以下两个哈尔级联：

• haarcascade_frontalface_default.xml
• haarcascade_smile.xml

如何下载哈尔级联文件

您可以在GitHub网址上找到不同的哈尔级联文件：

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

要下载微笑的哈尔级联文件，点击 haarcascade_smile.xml 文件，以原始格式打开，并右键另存为。

步骤

要在图像中检测微笑，您可以按照以下步骤进行操作：

• 导入所需的库。 在所有以下示例中，所需的Python库是 OpenCV 。 确保您已经安装了它。

• 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。您可以使用haar级联文件 haarcascade_frontalface_default.xml 在图像中检测面部，以及 haarcascade_smile.xml 用于检测微笑。

• 使用 face_cascade.detectMultiScale() 在输入图像中检测人脸。它以 (x，y，w，h) 格式返回检测到的脸部的坐标。

• 将检测到的脸部定义为对于检测到的脸部， roi 为 image[y：y + h，x：x + w] 。现在在检测到的面部区域（ roi ）内检测微笑。使用 smile_cascade.detectMultiScale() 。它还以 (sx，sy，sw，sh) 格式返回眼睛的边界矩形的坐标。

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

• 显示带有绘制在嘴巴周围的边界矩形的图像。

让我们看一些示例以更清楚地理解。

示例

在这个Python程序中，我们使用haar级联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()

我们将使用这个图像作为程序的 输入文件 -

输出

执行后，它将产生以下输出 –

Number of detected faces: 1
smile detected

我们得到以下 输出 窗口：