我们的英雄在哪？
接下来让我们使用上述级联分类器实现漫威英雄面部检测－－惊奇队长面部检测。
001 （15）
我们只须使用图像中的一部分即头部部分。首先，获取惊奇队长脸部周围感兴趣区域；然后把图像转换成灰度图。之所以只使用一个通道，是因为我们只对特征的像素值强度变化感兴趣。
cap＿mavl ＝ cv2．imread（＇images／captin＿marvel．jpg＇）
＃ Find the region of interest
roi ＝ cap＿mavl［50：350， 200：550］
roi ＝ cv2．cvtColor（roi， cv2．COLOR＿BGR2GRAY）
plt．imshow（roi， cmap ＝ ＇gray＇）
通过下方代码使用Haar级联分类器。
＃ Load Cascade filter
face＿cascade ＝ cv2．CascadeClassifier（＇haarcascades／haarcascade＿frontalface＿default．xml＇）
接下来，我们将创建一个函数来检测人脸并在目标区域周围绘制一个矩形。为了检测人脸，我们可以使用上面加载的分类器face＿cascade的． detectmulitscale（）方法。它返回指定区域的四个点所以我们在那个位置画一个矩形。scaleFactor是一个参数，表示在每个图像尺度上图像大小减少了多少，minNeighbors表示每个候选矩形应该训练多少个邻居。现在我们把这个函数应用到图像上，看看结果。
＃ Create the face detecting function
def detect＿face（img）：
img＿2 ＝ img．copy（）
face＿rects ＝ face＿cascade．detectMultiScale（img＿copy，
scaleFactor ＝ 1．1，
minNeighbors ＝ 3）
for （x， y， w， h） in face＿rects：
cv2．rectangle（img＿2， （x， y）， （x＋w， y＋h）， （255， 255， 255）， 3）
return img＿2
＃ Detect the face
roi＿detected ＝ detect＿face（roi）
plt．imshow（roi＿detected， cmap ＝ ＇gray＇）
plt．axis（＇off＇）
正如看到的那样，haar级联分类器取得了不错的人脸检测效果。接下来，让我们尝试检测含有多张人脸的图片。
＃ Load the image file and convert the color mode
avengers ＝ cv2．imread（＇images／avengers．jpg＇）
avengers ＝ cv2．cvtColor（avengers， cv2．COLOR＿BGR2GRAY）
＃ Detect the face and plot the result
detected＿avengers ＝ detect＿face（avengers）
display（detected＿avengers， cmap ＝ ＇gray＇）
很明显检测结果不完全准确。出现了错误捕捉“非人脸”目标以及丢失了部分“真实人脸”。有趣的是，它成功地探测到了蜘蛛侠，却把美国队长和黑寡妇的手误当成了眼睛。通常在人脸图像凸显出更加清晰的五官时，可以得到更好的人脸检测结果。
尝试检测自己的脸
接下来介绍使用网络摄像头检测人脸的实现方法。类似上方的实现方式。代码如下方所示。可以通过ESC按键终止退出检测。
import cv2
import numpy as np
＃ Step 1． Define detect function
face＿cascade ＝ cv2．CascadeClassifier（＇haarcascades／haarcascade＿frontalface＿default．xml＇）
def detect＿face（img）：
img＿copy ＝ img．copy（）
face＿rects ＝ face＿cascade．detectMultiScale（img＿copy）
for （x， y， w， h） in face＿rects：
cv2．rectangle（img＿copy， （x， y）， （x＋w， y＋h）， （255， 255， 255）， 3）
return img＿copy
＃ Step 2． Call the cam
cap ＝ cv2．VideoCapture（0）
while True：
ret， frame ＝ cap．read（0）
frame ＝ detect＿face（frame）
cv2．imshow（＇Video Face Detection＇， frame）
c ＝ cv2．waitKey（1）
if c ＝＝ 27：
break
cap．release（）
cv2．destroyAllWindows（）
总结
本篇介绍了传统的边缘检测、角点检测以及人脸检测方法。下篇将介绍轮廓检测技术等。敬请期待。
<上一页 3
