《AI硬件与Pyhthon编程实践》09人眼检测与瞳孔检测写字字帖

人眼检测与瞳孔检测人工智能开源硬件与python编程实践情境导入智能手机、智能相机普遍采用了自动跟踪人脸、自动对焦的技术，辅助人们拍下美好画面。新功能还支持实时检测眼睛，实现自动对焦。在人脸检测的基础上进一步进行人眼和瞳孔检测有很多重要用途。在学校智慧教室中，利用人眼检测等技术可以判断学生有没有集中精力学习，有没有关注讲台等，进行课堂教学质量的监控。

任务与目标了解人眼检测与瞳孔检测技术的基本原理、Haar相关算法和应用框架；掌握运用人工智能机器视觉开源硬件设计智能应用系统的方法，掌握Python语言的编程方法；应用人工智能机器视觉开源硬件和Python相关算法，编写代码调用HaarCascade算法，实现人眼检测与瞳孔检测功能；针对生活应用场景进行创意设计，设计有实用价值的人眼检测与瞳孔检测应用系统。知识拓展：Haar分类器训练过程采集人脸图像，建立人脸、非人脸样本集；计算Haar-like特征值和积分图；进行弱分类器训练，筛选出T个最优弱分类器；把这T个最优弱分类器传给AdaBoost算法，训练出区分人脸和非人脸的强分类器；使用筛选式级联把强分类器级联到一起，提高准确率。知识拓展：正样本训练数据从开放人脸数据集中提取了16个人的人脸图像数据文件，存放在正样本文件夹中，每个人的人脸图像文件单独另建一个子目录存放。知识拓展：负样本训练数据收集一批与人脸无关的图像作为人脸分类器的负样本文件。这些图像都不包含有完整人脸，主要是人身体的其它部位，以及户外、居室、教室等人们经常活动的地方。负样本照片存放在负样本文件夹中。知识拓展：创建训练样本格式化训练数据。启动训练前，需要对所收集的样本数据进行规范化，需要统一图像文件的大小，宽高比统一设为1:1，正样本背景要一致等。实际训练中，一般都是采用20*20像素的小图像块，在此基础上计算出Haar特征。使用opencv的opencv_createsamples工具，通过描述文件的图片列表清单来创建训练样本。输入训练样本配置文件的路径，生成vec文件与负样本列表文本文件。知识拓展：训练cascade分类器使用分类器训练工具opencv_traincascade。训练中，要把负样本和bg.txt文件拷贝到build/x64/vc14/bin目录下，还需要在data文件夹下新建文件HaarReslut来保存训练的结果。opencv_traincascade.exe-dataC:\Users\Administrator\Desktop\data\HaarReslut-vecC:\Users\Administrator\Desktop\data\mysamples_341.vec-bgbg.txt-numPos170-numNeg500-numStages12-featureTypeHAAR-w24-h24-minHitRate0.996-maxFalseAlarmRate0.5-modeALL

设计与实践模型加载瞳孔定位瞳孔检测系统的Python编程运行结果分析模型加载视觉库内置有已经训练好的相关Haar模型，如“frontalface”人脸模型和“eye”人眼模型，编程是直接指定即可。人脸检测模型的加载#加载HaarCascade级联分类器，启用内置人脸检测模型，分类器的比对阶段数设置为25；face_cascade=image.HaarCascade("frontalface",stages=25)人眼检测模型的加载#加载HaarCascade级联分类器，启用内置人眼检测模型，分类器的比对阶段数设置为25；face_cascade=image.HaarCascade("eye",stages=25)瞳孔定位利用人脸Haar模型在整个图像帧中快速搜索到人脸后，再启用人眼Haar模型在人脸区域中检测人眼区域。在检测到的2个人眼区域中分别寻找区域中颜色最深处的中心点，就当做瞳孔的位置。先使用image.find_features()和Haar算子frontalface来搜索人脸。然后使用image.find_features和Haar算子find_eye在人脸区域搜索眼睛。最后，在返回的每个眼睛ROI区域上调用这一方法，得到瞳孔的位置坐标。瞳孔检测的编程#在识别到的人眼中寻找瞳孔。

foreineyes:#e是先前过程中搜索到的若干人眼矩形区域；

iris=img.find_eye(e)

#find_eye((x,y,w,h))参数是一个矩形区域，左上顶点为（x,y），宽w,高h。（x,y,w,h）是一个元组，不要漏掉括号（）；

#find_eye的功能是找到区域中颜色最深处的中心点；

img.draw_rectangle(e) #用矩形标记人眼区域；

img.draw_cross(iris[0],iris[1])#用十字形标记瞳孔。运行情况先采集现场的视频图像，检测出人脸，再检测到人眼区域，最后定位到瞳孔。分析与思考训练人脸检测HarrCascade级联分类器时，请分析负样本图像的作用。如果设计一个校园学生人脸检测系统，自行训练学生人脸Harr模型时应该如何收集准备负样本图像？很多家庭都喜欢宠物，如果设计一个宠物狗智能监管系统，如何进行狗脸的检测与识别？请根据项目介绍的Harr模型训练方法，提出你的实施方案，有条件可以准备正负样本图像，