欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

【数字图像处理6】python+opencv使用LBP、HOG提取特征来分类人脸、人身

程序员文章站 2022-04-07 13:57:55
我就是挂个标题先,想不到吧~文章目录实验目的实验前明确的概念一、LBP分类二、HOG分类参考资料实验目的选取LBP、HOG两种特征提取算法做分类,去识别人和车的图像。实验前明确的概念LBP、HOG是两种特征提取算法。一、LBP分类二、HOG分类HOG(Histogram of Oriented Gradient)在对象识别与模式匹配中是一种常见的特征提取算法。它是基于本地像素块进行特征直方图提取的一种算法,对象局部的变形与光照影响有很好的稳定性。参考资料HOG:htt...

实验目的

  • 选取LBP、HOG两种特征提取算法做分类,去识别人的图像。

实验前明确的概念

  • LBP、HOG是两种特征提取算法。

一、LBP分类

【数字图像处理6】python+opencv使用LBP、HOG提取特征来分类人脸、人身
【数字图像处理6】python+opencv使用LBP、HOG提取特征来分类人脸、人身

1、数据准备

  • 如果想要将人脸准确地检测出来,需要通过建立人脸模型,获取准确区分人脸的分类器,LBP这里我们使用网上公开的扩展包或已经训练好的分类器(后面的HOG我就没找到合适的分类器…)。
  • 将lbpcascades里面的相关xml文件下载到本地,便于之后调用,辅助进行人脸检测。
  • 【数字图像处理6】python+opencv使用LBP、HOG提取特征来分类人脸、人身
    LBP分类器下载地址:

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

2、说明一些概念

  • cv.CascadeClassifier():

    • 是OpenCV中人脸检测的一个级联分类器,既可以使用Haar特征,也可以使用LBP特征。
    • 以Haar特征分类器为基础的对象检测技术是一种非常有效的技术,它是基于机器学习且使用大量的正负样本训练得到分类器。
  • detectMultiScale函数:检测人脸算法,其参数如下:

    1. image:要检测的输入图像
    2. scaleFactor:表示每次图像尺寸减小的比例
    3. minNeighbors:表示每一个目标至少要被检测到多少次才算是真的人脸,因为周围的像素和不同的窗口大小都可能检测成人脸
    4. minSize:表示目标的最小尺寸
    5. maxSize:表示目标的最小尺寸
  • LBP:

    • 是一种特征提取方式,能提取出图像的局部的纹理特征,最开始的LBP算子是在3X3窗口中,取中心像素的像素值为阀值,与其周围八个像素点的像素值比较,若像素点的像素值大于阀值,则此像素点被标记为1,否则标记为0。
    • 这样就能得到一个八位二进制的码,转换为十进制即LBP码,于是得到了这个窗口的LBP值,用这个值来反映这个窗口内的纹理信息。
  • 本代码中不涉及具体的LBP算法的实现,而是直接调用了现成的LBP分类器,直接实现了效果。

3、效果

【数字图像处理6】python+opencv使用LBP、HOG提取特征来分类人脸、人身
可以看到,近处的人脸识别效果还可以,但是由于摄像头清晰度等原因,远处的人脸识别并不是很准确。

但是,抗遮挡效果貌似还可以:

【数字图像处理6】python+opencv使用LBP、HOG提取特征来分类人脸、人身

动态效果如下:
【数字图像处理6】python+opencv使用LBP、HOG提取特征来分类人脸、人身

4、实现代码

import cv2
##################################################
############使用LBP识别人脸#######################
##################################################
def use_LBP_to_distinguish_face():

    # 识别打开摄像头
    cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)
    # 创建LBP特征的分类器
    face_detect = cv2.CascadeClassifier(r'tool/lbpcascades/lbpcascade_frontalface_improved.xml')

    while True:
        # 读取视频的每一帧
        flag, frame = cap.read()
        frame = cv2.flip(frame, 1)
        if not flag: 
            break
        # 进行灰度处理
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 多个尺度空间进行人脸检测   返回检测到的人脸区域坐标信息
        face_zone = face_detect.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
        # 绘制矩形和圆形检测人脸
        for x, y, w, h in face_zone:
            cv2.rectangle(frame, pt1=(x, y), pt2=(x + w, y + h), color=[0, 0, 255], thickness=2)
        #
        cv2.imshow('video', frame)
        # 
        if ord('q') == cv2.waitKey(30):
            break
   
    cv2.destroyAllWindows()
    cap.release()

二、HOG分类

【数字图像处理6】python+opencv使用LBP、HOG提取特征来分类人脸、人身

1、实验前言

  • HOG(Histogram of Oriented Gradient)在对象识别与模式匹配中是一种常见的特征提取算法。
  • 它是基于本地像素块进行特征直方图提取的一种算法,对象局部的变形与光照影响有很好的稳定性。
  • HOG没有找到比较合适的人脸检测的包,所以先用了一个比较常见的行人检测的接口,改了改拿来测试。

2、效果

【数字图像处理6】python+opencv使用LBP、HOG提取特征来分类人脸、人身

3、实现代码

def use_HOG_to_distinguish_people():
    # 识别打开摄像头
    cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)

    while True:
        # 读取视频的每一帧
        flag, frame = cap.read()
        frame = cv2.flip(frame, 1)
        if not flag: 
            break
        #设置hog和分类svm
        hog = cv2.HOGDescriptor()
        hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

        (rects,weight) = hog.detectMultiScale(frame,
                                        winStride=(2,4),
                                        padding=(8,8),
                                        scale=1.2,
                                        useMeanshiftGrouping=False)

        # 检测人身
        for (x,y,w,h) in rects:
            cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
        #
        cv2.imshow('video', frame)
        # 
        if ord('q') == cv2.waitKey(30):
            break
   
    cv2.destroyAllWindows()
    cap.release()

三、工程代码


import cv2

##################################################
############使用LBP识别人脸#######################
##################################################
def use_LBP_to_distinguish_face():

    # 识别打开摄像头
    cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)
    # 加载一个LBP特征的分类器
    face_detect = cv2.CascadeClassifier(r'tool/lbpcascades/lbpcascade_frontalface_improved.xml')

    while True:
        # 读取视频的每一帧
        flag, frame = cap.read()
        frame = cv2.flip(frame, 1)
        if not flag: 
            break
        # 进行灰度处理
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 多个尺度空间进行人脸检测   返回检测到的人脸区域坐标信息
        face_zone = face_detect.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
        # 检测人脸
        for x, y, w, h in face_zone:
            cv2.rectangle(frame, pt1=(x, y), pt2=(x + w, y + h), color=[0, 0, 255], thickness=2)
        #
        cv2.imshow('video', frame)
        # 
        if ord('q') == cv2.waitKey(30):
            break
   
    cv2.destroyAllWindows()
    cap.release()

################################################
###########HOG################################
###############################################
def use_HOG_to_distinguish_people():

    # 识别打开摄像头
    cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)

    while True:
        # 读取视频的每一帧
        flag, frame = cap.read()
        frame = cv2.flip(frame, 1)
        if not flag: 
            break
        #设置hog和分类svm
        hog = cv2.HOGDescriptor()
        hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

        (rects,weight) = hog.detectMultiScale(frame,
                                        winStride=(2,4),
                                        padding=(8,8),
                                        scale=1.2,
                                        useMeanshiftGrouping=False)

        # 检测人身
        for (x,y,w,h) in rects:
            cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
        #
        cv2.imshow('video', frame)
        # 
        if ord('q') == cv2.waitKey(30):
            break
   
    cv2.destroyAllWindows()
    cap.release()

################################################
##################main####################
################################################
use_LBP_to_distinguish_face()
#use_HOG_to_distinguish_people()

参考资料

HOG:
https://blog.csdn.net/qq_39071739/article/details/103306454
LBP:
https://www.jb51.net/article/165120.htm
https://cloud.tencent.com/developer/article/1699695

本文地址:https://blog.csdn.net/qq_30154571/article/details/109930759