OPENCV PYTHON-PROGRAMMA VOOR GEZICHTSDETECTIE

Het doel van het gegeven programma is om het interessante object (gezicht) in realtime te detecteren en hetzelfde object te blijven volgen. Dit is een eenvoudig voorbeeld van hoe je een gezicht kunt detecteren in Python. U kunt proberen trainingsvoorbeelden te gebruiken van elk ander object van uw keuze dat moet worden gedetecteerd door de classificator op vereiste objecten te trainen. Hier volgen de stappen om de onderstaande vereisten te downloaden.

Stappen:

Download Python 2.7.x versie numpy en Opencv 2.7.x versie. Controleer of uw Windows 32 bit of 64 bit compatibel is en installeer dienovereenkomstig.
Zorg ervoor dat numpy in uw Python draait en probeer vervolgens opencv te installeren.
Plaats de bestanden haarcascade_eye.xml en haarcascade_frontalface_default.xml in dezelfde map (links weergegeven in onderstaande code).

Uitvoering

Python

    # OpenCV program to detect face in real time   # import libraries of python OpenCV    # where its functionality resides   import   cv2   # load the required trained XML classifiers   # https://github.com/opencv/opencv/tree/master   # data/haarcascades/haarcascade_frontalface_default.xml   # Trained XML classifiers describes some features of some   # object we want to detect a cascade function is trained   # from a lot of positive(faces) and negative(non-faces)   # images.   face_cascade   =   cv2  .  CascadeClassifier  (  'haarcascade_frontalface_default.xml'  )   # https://github.com/opencv/opencv/tree/master   # /data/haarcascades/haarcascade_eye.xml   # Trained XML file for detecting eyes   eye_cascade   =   cv2  .  CascadeClassifier  (  'haarcascade_eye.xml'  )   # capture frames from a camera   cap   =   cv2  .  VideoCapture  (  0  )   # loop runs if capturing has been initialized.   while   1  :   # reads frames from a camera   ret     img   =   cap  .  read  ()   # convert to gray scale of each frames   gray   =   cv2  .  cvtColor  (  img     cv2  .  COLOR_BGR2GRAY  )   # Detects faces of different sizes in the input image   faces   =   face_cascade  .  detectMultiScale  (  gray     1.3     5  )   for   (  x    y    w    h  )   in   faces  :   # To draw a rectangle in a face    cv2  .  rectangle  (  img  (  x    y  )(  x  +  w    y  +  h  )(  255    255    0  )  2  )   roi_gray   =   gray  [  y  :  y  +  h     x  :  x  +  w  ]   roi_color   =   img  [  y  :  y  +  h     x  :  x  +  w  ]   # Detects eyes of different sizes in the input image   eyes   =   eye_cascade  .  detectMultiScale  (  roi_gray  )   #To draw a rectangle in eyes   for   (  ex    ey    ew    eh  )   in   eyes  :   cv2  .  rectangle  (  roi_color  (  ex    ey  )(  ex  +  ew    ey  +  eh  )(  0    127    255  )  2  )   # Display an image in a window   cv2  .  imshow  (  'img'    img  )   # Wait for Esc key to stop   k   =   cv2  .  waitKey  (  30  )   &   0xff   if   k   ==   27  :   break   # Close the window   cap  .  release  ()   # De-allocate any associated memory usage   cv2  .  destroyAllWindows  ()