《嵌入式人工智能技术应用》课件 1.5-图像人脸检测

项目一使用OpenCV实现人脸检测嵌入式人工智能技术应用

图像人脸检测任务五职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务五图像人脸检测了解人脸检测原理；理解HaarCascade级联分类器的使用方法；理解ROI的定义。能使用imread方法读取图像；能使用cvtColor方法转换图像色彩；能使用CascadeClassifier方法加载HaarCascade模型检测图像人脸；能使用rectangle方法绘制人脸矩形框。职业能力目标01知识目标技能目标职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务五图像人脸检测

本实验将实现用opencv自带的人脸库对读取的图片进行人脸检测并标注人脸框。任务描述任务要求使用级联分类器对单张图像进行人脸检测；基于线程类使用级联分类器对USB摄像头采集的画面进行人脸检测；标注人脸框并进行显示。任务描述与要求02职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务五图像人脸检测任务分析实现人脸检测可能会涉及到哪些步骤？根据自己的了解说说人脸检测和人脸识别的区别？任务分析与计划03任务计划表项目名称使用OpenCV实现人脸检测任务名称图像人脸检测计划方式自主设计计划要求请用8个计划步骤来完整描述出如何完成本次任务序号任务计划1

2

3

4

5

678

通过上面的思考，你是否对本任务要完成的工作有所了解？让我们一起来制订完成本次任务的实施计划吧！任务分析与计划03职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务五图像人脸检测04知识储备Cascade模型2人脸检测13ROI人脸检测04

人脸检测是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回人脸的位置、大小和姿态。

通过人脸检测后再进行人脸识别就可以实现日常生活中应用。例如：扫脸解锁手机，扫脸支付，扫脸开门。Cascade模型04知识储备人脸检测213ROICascade分类器04CascadeClassifier，是Opencv中做人脸检测的时候的一个级联分类器。现在有两种选择：一是使用老版本的CvHaarClassifierCascade函数，一是使用新版本的CascadeClassifier类。老版本的分类器只支持类Haar特征，而新版本的分类器既可以使用Haar，也可以使用LBP特征。CascadeClassifie级联分类器Cascade分类器04OpenCV中人脸识别是通过Haar特征的级联分类器实现。OpenCV里面实际上有很多预先训练好的HaarCascade模型(XML文件),例如正脸检测，眼睛检测，全身检测，下半身检测等。HaarCascadeCascade分类器04通过HaarCascade模型，输入图片，就可以获取人脸所在区域的矩形位置。模型的使用方法简单，首先载入对应的HaarCascade文件，文件格式为xml。这里已经将文件下载到了haar文件夹下，可以通过相对路径进行引用。├──haar

└──haarcascade_frontalface_default.xmlCascade模型04知识储备人脸检测213ROI2

ROI的全称是RegionOfInterest,用于表示在画面的子区域。整个画面的原点（0,0），在整个画面中的左上角。ROI本质上是Tuple类型的数据，其中（x,y）代表人脸所在矩形区域的左上角坐标，w代表矩形的宽度，h代表矩形的高度。04ROI职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务五图像人脸检测05任务实施载入人脸检测的Cascade模型2图像颜色转换1检测画面中的人脸3结果显示4图像转换05importcv21.导入cv2python-opencv在python中的包名称叫做cv2。cv2实现图像处理和计算机视觉方面的很多通用算法。img=cv2.imread('./exp/face.jpg')2.读入图片cv2.imread(filepath)：读取彩色图像，图像是按照BGR像素存储。参数说明：filepath要读入图片的完整路径。img_path变量定义图片路径，通过cv2.imread读取图片，将返回值赋值给img。img=cv2.imread('./exp/face.jpg')3.图像转换把BGR彩色图像转换成GRAY灰度图需要使用cvtColor函数进行转换。cv2.cvtColor(src,code)：参数说明：src：它是要更改其色彩空间的图像；code：它是色彩空间转换代码。05任务实施载入人脸检测的Cascade模型2图像颜色转换1检测画面中的人脸3结果显示4载入人脸检测的Cascade模型05FaceCascade=cv2.CascadeClassifier('./haar/haarcascade_frontalface_default.xml')CascadeClassifier级联分类器的使用方法。通过HaarCascade模型，输入图片，就可以获取人脸所在区域的矩形位置。模型的使用方法简单，首先载入对应的HaarCascade文件，文件格式为xml。这里已经将文件下载到了haar文件夹下，可以通过相对路径进行引用。载入人脸检测的Cascade模型，就是在cv2.CascadeClassifier()中传入对应HaarCascade文件，即haarcascade_frontalface_default.xmlFaceCascade为分类器对象，以供后续调用使用。05任务实施载入人脸检测的Cascade模型2图像颜色转换1检测画面中的人脸3结果显示4检测画面中的人脸05faces=FaceCascade.detectMultiScale(image=gray,scaleFactor=1.1,minNeighbors=5)将图片的灰度图传入到这个FaceCascade模型中，进行人脸检测。FaceCascade.detectMultiScale(image,scaleFactor,minNeighbors)：分类器对象调用参数调节。参数说明：image：输入图像；scaleFactor：每次缩小图像的比例，默认是1.1；minNeighbors：匹配成功所需要的周围矩形框的数目，每一个特征匹配到的区域都是一个矩形框，只有多个矩形框同时存在的时候，才认为是匹配成功，比如人脸匹配，默认值是3。使用FaceCascade.detectMultiScale分类器调整参数，输入转换好要检测的灰度图，设置图像比例为1.1，需要有5个矩形框同在才认为匹配成功。返回值faces是人脸所在区域的ROI数组，是识别到的人脸矩形框。例如：[(x1,y1,w1,h1),(x2,y2,w2,h2)]。其中[x,y,w,h]：分别是：(x,y):左上角坐标值；w:人脸矩形区域的宽度；h:人脸矩形区域的高度。05任务实施载入人脸检测的Cascade模型2图像颜色转换1检测画面中的人脸3结果显示4结果显示05dWindow('Face',flags=cv2.WINDOW_NORMAL|cv2.WINDOW_KEEPRATIO|cv2.WINDOW_GUI_EXPANDED)cv2.setWindowProperty('Face',cv2.WND_PROP_FULLSCREEN,cv2.WINDOW_FULLSCREEN)#全屏展示1.创建显示窗口dWindow(winname,flags)：构建视频的窗口，用于放置图片。参数说明：winname：表示窗口的名字,可用作窗口标识符的窗口名称；flags：用于设置窗口的属性，常用属性如下；WINDOW_NORMAL：可以调整大小窗口；WINDOW_KEEPRATIO：保持图像比例；WINDOW_GUI_EXPANDED：绘制一个新的增强GUI窗口。结果显示05cv2.imshow('Face',img)cv2.waitKey(5000)2.显示图片cv2.imshow(winname,mat)函数可以在窗口中显示图像。参数说明：winname：窗口名称（也就是我们对话框的名称），它是一个字符串类型；mat：是每一帧的画面图像。可以创建任意数量的窗口，但必须使用不同的窗口名称。cv2.waitKey：waitkey控制着imshow的持续时间。当imshow之后不跟waitkey时，相当于没有给imshow提供时间展示图像，只会有一个空窗口一闪而过；cv2.waitKey(100)表示窗口中显示图像时间为100毫秒；cv2.imshow之后一定要跟cv2.waitKey函数。cv2.destroyAllWindows()3.释放资源职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务五图像人脸检测任务检查与评价06序号评价内容评价标准分值得分1知识运用（20%）掌握相关理论知识，理解本次任务要求，制定详细计划，计划条理清晰，逻辑正确（20分）20分

理解相关理论知识，能根据本次任务要求、制定合理计划（15分）了解相关理论知识，有制定计划（10分）无制定计划（0分）2专业技能（40%）完成图像颜色转换、、载入Cascade模型、检测人脸、结果显示。（40分）40分

完成图像颜色转换、、载入Cascade模型、检测人脸。（30分）完成图像颜色转换、、载入Cascade模型。（20分）完成图像颜色转换。（10分）没有完成图像颜色转换。（0分）3核心素养（20%）具有良好的自主学习能力、分析解决问题的能力、整个任务过程中有指导他人（20分）20分

具有较好的学习能力和分析解决问题的能力，任务过程中无指导他人（15分）能够主动学习并收集信息，有请教他人进行解决问题的能力（10分）不主动学习（0分）4课堂纪律（20%）设备无损坏、设备摆放整齐、工位区域内保持整洁、无干扰课堂秩序（20分）20分

设备无损坏、无干扰课堂秩序（15分）无干扰课堂秩序（10分）干扰课堂秩序（0分）总得分1、请参照评价标准完成自评和对其他小组的互评。2、各组请代表分析本组任务实施经验。职