是否有用于检测已在图像平面中旋转的面的库?或者是否有某种方法可以使用级联来进行直接面部检测并使用opencv来执行此操作?
答案 0 :(得分:9)
这是我用Python cv2编写的一个简单的
这不是最有效的方法,它采用了etarion建议的天真方式,但它对于正常的头部倾斜效果相当好(它可以检测到-40到40度的任何头部倾斜,这大致相当于你能做到的倾斜你的头直立。
import cv2
from math import sin, cos, radians
camera = cv2.VideoCapture(0)
face = cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")
settings = {
'scaleFactor': 1.3,
'minNeighbors': 3,
'minSize': (50, 50),
'flags': cv2.cv.CV_HAAR_FIND_BIGGEST_OBJECT|cv2.cv.CV_HAAR_DO_ROUGH_SEARCH
}
def rotate_image(image, angle):
if angle == 0: return image
height, width = image.shape[:2]
rot_mat = cv2.getRotationMatrix2D((width/2, height/2), angle, 0.9)
result = cv2.warpAffine(image, rot_mat, (width, height), flags=cv2.INTER_LINEAR)
return result
def rotate_point(pos, img, angle):
if angle == 0: return pos
x = pos[0] - img.shape[1]*0.4
y = pos[1] - img.shape[0]*0.4
newx = x*cos(radians(angle)) + y*sin(radians(angle)) + img.shape[1]*0.4
newy = -x*sin(radians(angle)) + y*cos(radians(angle)) + img.shape[0]*0.4
return int(newx), int(newy), pos[2], pos[3]
while True:
ret, img = camera.read()
for angle in [0, -25, 25]:
rimg = rotate_image(img, angle)
detected = face.detectMultiScale(rimg, **settings)
if len(detected):
detected = [rotate_point(detected[-1], img, -angle)]
break
# Make a copy as we don't want to draw on the original image:
for x, y, w, h in detected[-1:]:
cv2.rectangle(img, (x, y), (x+w, y+h), (255,0,0), 2)
cv2.imshow('facedetect', img)
if cv2.waitKey(5) != -1:
break
cv2.destroyWindow("facedetect")
答案 1 :(得分:3)
就个人而言,我不知道图书馆。但是,我可以说,使用眼睛检测Haar Cascade,并在眼睛之间画一条线。然后,您可以使用atan
功能并找到旋转头部的角度。 (假设当头部未旋转时,人的双眼处于同一水平位置)
deg = atan( (leftEye.y - rightEye.y) / (leftEye.x - rightEye.x) )
获得此角度后,将图像旋转负deg
度,您应该有一张可以使用Haar Cascades检测到的脸部。
答案 2 :(得分:2)
朴素的方式:
n
:
n
度答案 3 :(得分:1)
基于颜色直方图的人脸检测方法与面部方向无关。
答案 4 :(得分:1)
我一直在处理非正面图像的面部检测问题。尝试使用多任务CNN。这是面部检测和对齐的最佳解决方案。它能够处理各种姿势,灯光,遮挡等问题。
该文件可在Link获得。该代码可在Link的GitHub上获得。我使用了python实现,结果非常出色。虽然如果图像有很多面孔,代码有点慢。
虽然如果你想坚持使用OpenCV,那么OpenCV就会增加一个新的人脸检测深度学习模型。结果不如多任务CNN好。在pyimagesearch Link
上实现了用于人脸检测的OpenCV深度学习模型答案 5 :(得分:0)
你可以使用限制AAM,ASM方法的词袋/特征包方法。 但它们也可以给出非最优解,而不是全局最大值。
haar-like-features也只是一组功能,你可以使用旋转不变的功能,然后把它放在adaboost classifer中。
答案 6 :(得分:0)
mtcnn效果很好。看来只有当脸非常接近90度或180度时才有问题。因此,如果正常检测失败,则将图像旋转45度,然后重试。如果图像中有面部,则应该将其检测出来。
我很好奇,为什么当面部正好旋转90度或反转(旋转180度)时mtcnn失败
答案 7 :(得分:0)
此存储库可以将对象检测为旋转的边界框:https://github.com/NVIDIA/retinanet-examples
您可以通过将包含“人脸”类的图像随机旋转-30至30度,从“打开的图像”中创建数据集,然后训练该网络来检测这些人脸。