harr cascade 알고리즘을 사용한 얼굴감지
데이터는 beautiful free image에서 한 장 가져왔습니다.
Face harr cascade
import cv2
# load image
image = cv2.imread("./family.jpg")
print(image.shape)먼저 cv2를 import 해줍니다.
그리고 이미지를 불러오고 사이즈를 확인해 보도록 하겠습니다.
Face harr cascade
사이즈는 4480, 6720으로 너무 크므로 조절하도록 하겠습니다.
# resize
image = cv2.resize(image, (800, 600))
print(image.shape)resize로 800, 600으로 조절해 준다음
흑백 이미지로 변경해 줄 것입니다.
# convert RGB -> GRAY
img_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # opencv RGB = BGR
cv2.imshow("people", img_gray)
cv2.waitKey(0)
Face harr cascade
이제 harr cascade를 이용해서 face detection을 해보도록 하겠습니다.
face_detect = cv2.CascadeClassifier("./haarcascade_frontalface_default.xml")
detections = face_detect.detectMultiScale(img_gray, scaleFactor=1.1, minNeighbors=2) # 배경에서 이미지를 찾아서 크고 작게 조절할 수있습니다. 감지 물체 주위의 후보 박스들 중에서 최적의 박스를 선택
print(detections)
print(len(detections))
for (x, y, w, h) in detections:
print(x, y, w, h)
cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.imshow("people", image)
cv2.waitKey(0)
미리 학습되어 있는 harrcascade_frontalface_default.xml을 불러오겠습니다.
detectMultiScale에는 인자 값들이 있는데.
위 사진 같은 경우에 피사체들이 아주 잘 나와있으므로 감지하는데 무리가 없었지만 그렇지 않은 사진들 같은 경우에 다른 부위에 감지되어 박스가 표시된 경우가 있었습니다.
그것을 조절해 주기 위해 위의 인자값들을 사용해 주면 됩니다.
예시 이미지로 인자값들을 일부러 크게 주어서 잘못 인식된 이미지를 보여드리겠습니다.
아래 같은 detection결과를 가질 때,
scaleFactor은 피사체마다 카메라의 거리에 따라 크고 작게 나올 수 있는데 그것을 배경에서 타깃을 찾아서 크고 작게 조절해 줍니다.
minNeighbors은 감지하는 물체의 주위에 감지되는 박스 중 최적의 박스를 찾아주는 기능입니다.
Face harr cascade
변수 detections를 출력하면
Face harr cascade
각각의 좌표값이 나올 것입니다.
이 좌표들을 이용하여 rectangle을 표현해 주면 끝납니다. 표현해 줄 때는 흑백 이미지가 아닌 사이즈를 줄인 원본이미지를 사용할 것이므로 image를 입력하였습니다.
Face harr cascade
결과가 예쁘게 잘 나온 것을 확인할 수 있습니다.