Question

使用opencv检测面部时，我无法获得完美的准确性。

这是我的代码：

import cv2

#create a cascadeclassifier object
face_cascade = cv2.CascadeClassifier("C:/Users/yash/AppData/Local/Programs/Python/Python35/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml")
#create a cascade classifier.it will contain the features of the face

#reading the image as it is
img = cv2.imread("profile.JPG")

#reading the image as gray_scale image
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #converting colored image to gray scale

#search the co-ordinates of the image
faces = face_cascade.detectMultiScale(gray_img,scaleFactor = 1.05,minNeighbors=5)
#scaleFactor = decreases the shape value by 5%,until the face is found .smaller this value , the greater is the accuracy.
#detectMultiScale = method to search for the face rectangle co-ordinates

#print(type(faces))
#print(faces)

for x,y,w,h in faces:
    img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),3)

resized_img = cv2.resize(img,(int(img.shape[1]/2) , int(img.shape[0]/2)))    
cv2.imshow("face detection",resized_img)

cv2.waitKey(0)

cv2.destroyAllWindows()

这里有image，我想以此来获得完美的准确性。

Answer 1

对于一张脸，使用标志CV_HAAR_FIND_BIGGEST_OBJECT作为detectMultiScale中的最后一个参数。

但是Haar级联现在不是人脸检测的最佳选择。在OpenCV 4.0中，开发人员删除用于Haar级联训练的代码-他们建议使用DNN。 For example here。

第二点：OpenCV开发人员创建了一个用于DNN推理的开源框架-OpenVINO和很多pretrained models（也用于面部检测）。如果要在CPU上拥有最快的面部检测器，而不是使用OpenVINO。

Answer 2

除了@Nuzhny的建议之外，您还应该使用非最大抑制算法来解决多次检测的问题。

Pyimagesearch上有一篇非常不错的文章以及与此主题相关的代码，将为您提供帮助。

使用opencv和python检测面部时如何获取单个边界框

2 个答案: