当我检测上图(sonicyouth.jpg)中的一些面孔时,其中一张是倾斜的。当使用harr-like特征来检测它们时。只能识别3张面孔,女性面孔被省略。代码为如下:
import cv2
import sys
imagePath = "sonicyouth.jpg"
cascPath = "haarcascade_frontalface_default.xml"
# Create the haar cascade
faceCascade = cv2.CascadeClassifier(cascPath)
# Read the image
image = cv2.imread(imagePath)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# Detect faces in the image
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.05,
minNeighbors = 8,
minSize=(30, 30),
# flags = cv2.cv.CV_HAAR_SCALE_IMAGE
flags = cv2.CASCADE_SCALE_IMAGE|cv2.CASCADE_FIND_BIGGEST_OBJECT|cv2.CASCADE_DO_ROUGH_SEARCH
)
print("Found {0} faces!".format(len(faces)))
结果是“发现3张脸!”。我该如何执行检测结果?用RCNN还是什么。还有什么?特别是旋转面。
最佳答案
您正在使用旧的人脸检测算法。 Haar 级联检测是第一个成功的提供实时检测的人脸检测算法。
因为它是第一个人脸检测算法,所以它有很多限制。正如您所指出的,其中之一是无法检测旋转的面孔。它还无法检测侧面以及被遮挡的面孔。
使用基于深度学习的新方法将提高检测率。 OpenCV 在其新的 dnn 文件夹中提供了这些内容。您可以引用此链接更好tutorials 。
但是如果你想坚持使用 Haar Cascade,你可以使用老把戏,将图像旋转 45 度,然后再次运行相同的检测算法。这次你将能够找到丢失的头并结合结果!
关于python - 厌倦了多 View 多人脸检测,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59539511/