python+opencv入門-基於Harr特徵的人臉檢測分類器
任務描述
理解Harr分類器原理，使用OpenCV中的Harr分類器進行人臉檢測。
相關知識
主要思想
openCV的人臉檢測，使用Harr分類器。該分類器採用的Viola-Jones人臉檢測算法。它是在2001年由Viola和Jones提出的基於機器學習的人臉檢測算法。
算法首先需要大量的積極圖片（包含人臉的圖片）和消極圖片（不包含人臉的圖片）。然後從中提取類Harr特徵( Harr-like features)，之所以稱爲 Harr分類器，是正是因爲它使用了類Harr特徵。最後，訓練出一個級聯檢測器，用其來檢測人臉。
類Harr特徵
圖像中的特徵通常是指，圖片的像素點經過一系列的運算之後得到的結果，這些結果可能是向量、矩陣和多維數據等等。類Harr特徵是一種反映圖像的灰度變化的，像素分模塊求差值的一種特徵。
Harr特徵類別
它分爲三類：邊緣特徵、線性特徵、中心特徵和對角線特徵。用黑色兩種矩形框組成爲特徵模板。
1.邊緣特徵：
2.線性特徵：
3.中心特徵和對角線特徵：
特徵值計算
特徵模板的特徵值計算的方式，是用黑色矩形像素總和的均值減去白色矩形像素總和的均值。
例如，對於4x4的像素塊。
理想情況下，黑色和白色的像素塊分佈如下：
符合邊緣特徵的情況(a)。
但是通常情況，一張灰階照片的黑白分佈並非如此的明顯，例如：
根據公式，
第一張圖特徵值爲1，第二張圖特徵值爲0.75-0.18=0.56。
一張圖中，對於識別人臉，只有部分特徵是有效的。例如，用下圖中的特徵模板可以看出，眉毛區域比額頭要亮，鼻樑區域比眼鏡區域要亮。嘴脣區域比牙齒區域要暗。這樣的類Harr特徵能很好的識別出人臉。
爲簡化特徵值計算，可以使用積分圖算法。得到類Harr特徵後，使用AdaBoost的方法選擇出有效特徵。最後再使用瀑布型級聯檢測器提高檢測速度。其中，瀑布的每一層都是一個由Adaboost算法訓練得到的強分類器。
Harr人臉檢測一個簡單的動畫過程如下：
紅色的搜索框不斷移動，檢測出是否包含人臉。一般來說，輸入的圖片會大於樣本，爲了檢索出不同大小的目標，分類器可以按比例的改變自己的尺寸，對輸入圖片進行多次的掃描。
訓練Harr分類器
訓練 Harr 分類器的主要步驟如下：
蒐集製作大量的“消極”圖像
蒐集製作大量“積極”圖像，確保這些圖像中包含要檢測的對象
創建“積極”向量文件
使用 OpenCV 訓練 Harr 分類器
因爲訓練需要花費較多的資源和時間，所以我們學習時，先使用 OpenCV 中已經訓練好的 Harr 分類器。
使用Harr分類器檢測人臉
OpenCV 中的人臉訓練模型格式爲 XML，可以從 官網下載 。在此我們使用Harrcascade_frontalface_default.xml模型檢測人臉。
聲明分類器：
CascadeClassifier(模型文件路徑)調用分類函數：
detectMultiScale(圖片對象,scaleFactor, minNeighbors, minSize)參數說明：
1.圖片對象：待識別圖片對象；
2.scaleFactor：圖像縮放比例；
3.minNeighbors：對特徵檢測點周邊多少有效點同時檢測，這樣可避免因選取的特徵檢測點太小而導致遺漏；
4.minSize：特徵檢測點的最小尺寸，可選參數。
示例如下：
import numpy as np
import cv2 as cv
# 讀取圖片
img = cv.imread('face.jpg')
# 轉換爲灰度圖片
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 人臉檢測器
face_cascade = cv.CascadeClassifier('Harrcascade_frontalface_default.xml')
# 識別人臉
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x,y,w,h) in faces:
print(x,y,w,h)其中，圖片座標系以左上角爲原點，x,y代表人臉區域左上角座標，w代表寬度，h代表高度。
如圖所示：
繪製人臉將在下個關卡學習。
編程要求
請在右側編輯器補充代碼，調用 Harr 完成人臉識別，具體任務如下：
*讀取圖片；
*轉化圖片爲灰度圖片；
*聲明人臉檢測器；
*調用人臉檢測函數，scaleFactor參數設定爲1.3, minNeighbors參數設定爲5。
import numpy as np
import cv2 as cv
#********** Begin **********#
# 讀取圖片image_path = 'step3/image/face.jpg'
img = cv.imread(image_path)
# 轉換爲灰度圖片
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 人臉檢測器
modle_path = 'sample/data/haarcascades/haarcascade_frontalface_default.xml'
#補齊
# 識別人臉
#補齊
#********** End **********#
print(faces)=================== =answer== ==================
