2. 程式人生 > >opencv人體識別技術彙總

opencv人體識別技術彙總

阿新 • • 發佈：2019-01-02

識別處理影象中人臉，人體是影象識別的一個重要分支，在很多場合都需要對人進行查詢和處理，在拍照，自動駕駛，機器人，醫學，安防等上都有廣泛 的用途。opencv 有眾多的級聯分類器，可以進行簡單的人臉，眼，鼻子，嘴，上體，全身，腿的分類。這些分類器還可以通過訓練或者組合進一步強化識別能力，從而把幾個弱分類器變成一個強分類器使用。

分類器都是一個概率問題，精確度高了，會有遺露，精確度低了，會有錯選，通過更多的訓練可以使用識別庫日漸完善。使用OPENCV自帶的訓練有很多不盡如人意，不過在特定情況下或者某些要求不高的場合，使用一些手段還是可以使用的的。在查詢人眼的過程中，會找到很多非人眼的資訊，和人臉結合，人眼查詢就精確了很多。

import org.opencv.core.*;
import org.opencv.imgcodecs.*;
import org.opencv.objdetect.*;
import org.opencv.imgproc.*;

public class DetectBody {
	public static void main(String[] args) {
		try {
			System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

			Mat src = Imgcodecs.imread("E:/work/qqq/b5.jpg");
			Imgcodecs.imwrite("E:/work/qqq/hh81.jpg", getUpperBody(src));
			Imgcodecs.imwrite("E:/work/qqq/hh82.jpg", getLefteye(src));
			Imgcodecs.imwrite("E:/work/qqq/hh83.jpg", getRighteye(src));
			// Imgcodecs.imwrite("E:/work/qqq/hh8.jpg", getLeftear(src));
			// Imgcodecs.imwrite("E:/work/qqq/hh8.jpg", getRightear(src));
			Imgcodecs.imwrite("E:/work/qqq/hh84.jpg", getMouth(src));
			Imgcodecs.imwrite("E:/work/qqq/hh85.jpg", getNose(src));
			// Imgcodecs.imwrite("E:/work/qqq/hh8.jpg", getSmile(src));
			// Imgcodecs.imwrite("E:/work/qqq/hh8.jpg", getLowerBody(src));
			// Imgcodecs.imwrite("E:/work/qqq/hh8.jpg", getFullBody(src));
			Imgcodecs.imwrite("E:/work/qqq/hh86.jpg", getFace(src));
			Imgcodecs.imwrite("E:/work/qqq/hh87.jpg", getProfileFace(getFace(src)));

			CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_frontalface_alt2.xml");
			MatOfRect objDetections2 = new MatOfRect();
			faceDetector.detectMultiScale(src, objDetections2);
			for (Rect rect : objDetections2.toArray()) {
				Imgproc.rectangle(src, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
						new Scalar(0, 0, 255), 2);
				Mat s = src.submat(rect);
				getLefteye(s).copyTo(s);
			}

			Imgcodecs.imwrite("E:/work/qqq/hh88.jpg", src);
		} catch (Exception e) {
			System.out.println("例外：" + e);
		}

	}

	public static Mat getUpperBody(Mat src) {
		Mat result = src.clone();
		if (src.cols() > 1000 || src.rows() > 1000) {
			Imgproc.resize(src, result, new Size(src.cols() / 3, src.rows() / 3));
		}

		CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_mcs_upperbody.xml");
		MatOfRect objDetections = new MatOfRect();
		faceDetector.detectMultiScale(result, objDetections);
		for (Rect rect : objDetections.toArray()) {
			Imgproc.rectangle(result, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
					new Scalar(0, 0, 255), 2);
		}
		return result;
	}

	public static Mat getLefteye(Mat src) {
		Mat result = src.clone();
		if (src.cols() > 1000 || src.rows() > 1000) {
			Imgproc.resize(src, result, new Size(src.cols() / 3, src.rows() / 3));
		}

		CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_mcs_lefteye.xml");
		MatOfRect objDetections = new MatOfRect();
		faceDetector.detectMultiScale(result, objDetections);
		for (Rect rect : objDetections.toArray()) {
			Imgproc.rectangle(result, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
					new Scalar(0, 0, 255), 2);
		}
		return result;
	}

	public static Mat getRighteye(Mat src) {
		Mat result = src.clone();
		if (src.cols() > 1000 || src.rows() > 1000) {
			Imgproc.resize(src, result, new Size(src.cols() / 3, src.rows() / 3));
		}

		CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_mcs_righteye.xml");
		MatOfRect objDetections = new MatOfRect();
		faceDetector.detectMultiScale(result, objDetections);
		for (Rect rect : objDetections.toArray()) {
			Imgproc.rectangle(result, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
					new Scalar(0, 0, 255), 2);
		}
		return result;
	}

	public static Mat getLeftear(Mat src) {
		Mat result = src.clone();
		if (src.cols() > 1000 || src.rows() > 1000) {
			Imgproc.resize(src, result, new Size(src.cols() / 3, src.rows() / 3));
		}

		CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_mcs_leftear.xml");
		MatOfRect objDetections = new MatOfRect();
		faceDetector.detectMultiScale(result, objDetections);
		for (Rect rect : objDetections.toArray()) {
			Imgproc.rectangle(result, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
					new Scalar(0, 0, 255), 2);
		}
		return result;
	}

	public static Mat getRightear(Mat src) {
		Mat result = src.clone();
		if (src.cols() > 1000 || src.rows() > 1000) {
			Imgproc.resize(src, result, new Size(src.cols() / 3, src.rows() / 3));
		}

		CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_mcs_rightear.xml");
		MatOfRect objDetections = new MatOfRect();
		faceDetector.detectMultiScale(result, objDetections);
		for (Rect rect : objDetections.toArray()) {
			Imgproc.rectangle(result, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
					new Scalar(0, 0, 255), 2);
		}
		return result;
	}

	public static Mat getMouth(Mat src) {
		Mat result = src.clone();
		if (src.cols() > 1000 || src.rows() > 1000) {
			Imgproc.resize(src, result, new Size(src.cols() / 3, src.rows() / 3));
		}

		CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_mcs_mouth.xml");
		MatOfRect objDetections = new MatOfRect();
		faceDetector.detectMultiScale(result, objDetections);
		for (Rect rect : objDetections.toArray()) {
			Imgproc.rectangle(result, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
					new Scalar(0, 0, 255), 2);
		}
		return result;
	}

	public static Mat getNose(Mat src) {
		Mat result = src.clone();
		if (src.cols() > 1000 || src.rows() > 1000) {
			Imgproc.resize(src, result, new Size(src.cols() / 3, src.rows() / 3));
		}

		CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_mcs_nose.xml");
		MatOfRect objDetections = new MatOfRect();
		faceDetector.detectMultiScale(result, objDetections);
		for (Rect rect : objDetections.toArray()) {
			Imgproc.rectangle(result, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
					new Scalar(0, 0, 255), 2);
		}
		return result;
	}

	public static Mat getSmile(Mat src) {
		Mat result = src.clone();
		if (src.cols() > 1000 || src.rows() > 1000) {
			Imgproc.resize(src, result, new Size(src.cols() / 3, src.rows() / 3));
		}

		CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_smile.xml");
		MatOfRect objDetections = new MatOfRect();
		faceDetector.detectMultiScale(result, objDetections);
		for (Rect rect : objDetections.toArray()) {
			Imgproc.rectangle(result, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
					new Scalar(0, 0, 255), 2);
		}
		return result;
	}

	public static Mat getLowerBody(Mat src) {
		Mat result = src.clone();
		if (src.cols() > 1000 || src.rows() > 1000) {
			Imgproc.resize(src, result, new Size(src.cols() / 3, src.rows() / 3));
		}

		CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_lowerbody.xml");
		MatOfRect objDetections = new MatOfRect();
		faceDetector.detectMultiScale(result, objDetections);
		for (Rect rect : objDetections.toArray()) {
			Imgproc.rectangle(result, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
					new Scalar(0, 0, 255), 2);
		}
		return result;
	}

	public static Mat getFullBody(Mat src) {
		Mat result = src.clone();
		if (src.cols() > 1000 || src.rows() > 1000) {
			Imgproc.resize(src, result, new Size(src.cols() / 3, src.rows() / 3));
		}

		CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_fullbody.xml");
		MatOfRect objDetections = new MatOfRect();
		faceDetector.detectMultiScale(result, objDetections);
		for (Rect rect : objDetections.toArray()) {
			Imgproc.rectangle(result, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
					new Scalar(0, 0, 255), 2);
		}
		return result;
	}

	public static Mat getFace(Mat src) {
		Mat result = src.clone();
		if (src.cols() > 1000 || src.rows() > 1000) {
			Imgproc.resize(src, result, new Size(src.cols() / 3, src.rows() / 3));
		}

		CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_frontalface_alt2.xml");
		MatOfRect objDetections = new MatOfRect();
		faceDetector.detectMultiScale(result, objDetections);
		for (Rect rect : objDetections.toArray()) {
			Imgproc.rectangle(result, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
					new Scalar(0, 0, 255), 2);
		}
		return result;
	}

	public static Mat getProfileFace(Mat src) {
		Mat result = src.clone();
		if (src.cols() > 1000 || src.rows() > 1000) {
			Imgproc.resize(src, result, new Size(src.cols() / 3, src.rows() / 3));
		}

		CascadeClassifier faceDetector = new CascadeClassifier("./resource/haarcascade_profileface.xml");
		MatOfRect objDetections = new MatOfRect();
		faceDetector.detectMultiScale(result, objDetections);
		for (Rect rect : objDetections.toArray()) {
			Imgproc.rectangle(result, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
					new Scalar(0, 0, 255), 2);
		}
		return result;
	}
}

上半身的查詢，感覺還是比較準確的，特別是在自拍相機中。由於距離人數固定，可以通過大小和人臉結合，很容易過濾掉不準確的分類

對人眼的查詢，單純查詢人眼，這是左眼，有很多誤選，最後結合人臉，就準確了。

右眼

嘴的選擇，也需要結合人臉查詢

鼻子

人臉

結合人臉的眼睛選擇就變得準確了



相關推薦

opencv人體識別技術彙總

識別處理影象中人臉，人體是影象識別的一個重要分支，在很多場合都需要對人進行查詢和處理，在拍照，自動駕駛，機器人，醫學，安防等上都有廣泛 的用途。opencv 有眾多的級聯分類器，可以進行簡單的人臉，眼，鼻子，嘴，上體，全身，腿的分類。這些分類器還可以通過訓練或者組合進一步強化

多模態人體識別技術

對於多檢視資料的特徵融合，一種簡單的解決方案是將這些異構型別的多檢視特徵一次拼接起來，將多檢視特徵轉化為一個高維的單檢視特徵。然而這種處理方法具有如下兩個不足：1）忽略了不同檢視特徵之間的存在的關聯性，也無法充分利用不同時間存在的互補資訊；2）特徵之間可能存在一些資訊冗餘，直接拼接起來，不僅

opencv影象識別技術在自動化測試中的應用

在自動化測試中，基於xpath、js選擇器、css選擇器進行元素定位及判定的技術已經比較成熟。在實際應用中，無論是web端還是移動端，仍有很多時候需要根據頁面內容、頁面中的影象進行定位及判定，這裡介紹一下基於opencv的影象識別技術在自動化測試中的應用。 這裡我們使用sel

OpenCV識別技術

OpenCV識別技術# 老師:james 20181019 # 識別技術# Pycharm + Python3 + OpenCV """ 一、識別技術： 什麼是OpenCV？物體識別，影象的分隔，人臉識別，機器視覺。OpenCV底層：C語言和C++寫的。 二、Python怎麼去實現？4個案例案例思路

ios OpenCv的配置和人臉識別技術

作為一個好奇心很重的人，面對未知的世界都想去一探究竟。於是做了個人臉識別的demo。目前國內的關於opencv技術文章很少，都是互相抄襲，關鍵是抄個一小部分還不全。時間又是很久之前的了，和現在的一些東西對不上。沒事，我是個實在人，啥也不多說，直接上開始。期間參考了國內許多o

用華為HMS ML kit人體骨骼識別技術，Android快速實現人體姿勢動作抓拍 

  你有沒有過這種體驗，拍照時對著鏡頭，腦子一片空白、表情僵硬、手和腳無處安放，最後拍出來的照片很是奇怪。拍照軟體中的固定姿勢抓拍功能可以幫助你：選擇一個你想要的姿勢模板，當你擺出同款姿勢時，軟體會進行自動抓拍，完美避開拍照時的尷尬。本文詳細介紹了華為HMS ML kit人體骨骼識別技術的整合過程，該技術精準

對象識別技術將完美融入AR與VR領域

拍攝 title 虛擬 好處 通道 跨國公司 名稱 電話 效率 原文標題：對象識別技術將完美融入AR與VR領域 隨著三星Bixby這樣的人工智能數字助手的推出，我們可以預計智能手機將不再局限於發信息、打電話、或進行娛樂活動。它們可以幫助我們更快地完成任務。通過語音命令數字助

Java OCR tesseract 圖像智能字符識別技術 Java代碼實現

fonts tab boolean redirect rhel exist easy clas print 接著上一篇OCR所說的。上一篇給大家介紹了tesseract 在命令行的簡單使用方法，當然了要繼承到我們的程序中，還是須要代碼實現的。以下給大家分享下java實現

人臉識別技術助力提升公安的辦公能力

人臉識別 雲脈人臉識別技術 目前，人臉識別http://www.yunmai.com/solutions/user_verification.html技術的應用已經非常廣泛且日趨成熟，無論是在通關、金融、電信、公證等領域需要對人和證件進行一致性驗證的場景，還是交通、公安、樓宇、社區等領域的安防布控場景

sim的準確識別技術

bsp 應該 能力 插入 回來 營業廳 ges 自己 sim卡 幾個月錢，我換了一個手機，本著工科男動手能力強的原則，自己用??把sim卡剪成了一個小卡，然後成功的可以使用了。 然而就在昨天，我將卡拿出之後，再放回去，卻無法識別我的sim卡了。 我上網查了方法，懷疑是芯片壞

Java OCR tesseract 圖像智能字符識別技術

tex jsb sim nts mar 來看 命令 -h 智能 公司有需求啊，所以就得研究哈。近期公司須要讀驗證碼。於是就研究起了圖像識別。應該就是傳說中的（OCR：光學字符識別OCR），以下把今天的收獲整理一個給大家做個分享。本人程序用的tesseract，官方地址：h

人臉識別技術爆發式增長！

人臉識別 廈門雲脈 如今，人臉識別技術在越來越多行業得到應用，呈現爆發式增長。那麽，人臉識別給我們的生活帶來了哪些改變呢？ 從人臉識別抓拍行人闖紅燈到機場安檢“刷臉”，從遠程認證養老金領取資格到辦理公司信息審核，從“刷臉”辦銀行業務到“掃臉”支付……過去在科幻電影中才能看到的人臉識別“黑科技”，如今

移動端車牌識別，OCR光學字符識別技術

保險 算法 交通 清華 alt 技術與市場 jpg 成功 支持 移動端車牌識別技術，是在OCR光學字符識別技術的基礎上研發的用來識別汽車號牌特征信息的圖像識別技術。在國內，該項技術由北京易泊時代攜手清華大學成功地將"國家863計劃"項目成果——"文字圖像識別技術TH-OCR

淺談車牌識別技術的應用

車牌識別技術的應用由來已久，車牌識別增加了車輛管理識別的速度，減少了擁堵，提高了大家的出行舒適度。對於在OCR識別技術領域有著十多年研發經驗的廈門雲脈來說，如何提高車牌識別的準確率，實現更精確的識別更是市場所需。 所以，雲脈自主研發推出的車牌識別技術，基於成熟的OCR技術，以計算機視覺處理、

聲紋識別技術助力遠重慶時時彩技巧程身份認證無線互聯網以及智能手機的迅速發展

模型訓練 日常 信噪比 數量 ica 替代 語音識別 進行 bsp 聲紋”作為一種典型的行為特征，相比其他生理特征在遠程身份認證中具有先天的優勢，文章介紹了聲密保在遠程身份認證中的應用，解析了一些在聲紋識別準確率、時變問題和噪音問題等方面的技術難點和工程解決經驗，最後針對遠

Linux版本的 免費的人臉識別技術。

linux虹軟近日推出免費Linux版本人臉識別SDK引擎，這是繼其Windows、Android、iOS的免費版本發布之後，對中小企業又一極具商用價值的版本，作為服務器OS的不二之選，Linux版本的發布無疑成為服務端應用的創新與拓展， 從此，中小企業可擁有真正免費的全平臺離線版人臉識別技術引擎。人臉技術的

城市車輛違停管理神器——手機掃描車牌識別技術

bsp 自動化管理 但是 實的 com mil 儀器 按鈕 有著 當下，車牌識別已經成為每個城市的車輛管理重點工作之一，有效、準確、及時的車牌識別為警務人員的交通執法、停車場車輛管理等工作帶來極大的便利。目前，我國警務通、停車場手持收費機等移動終端的使用比較普及

基於百度AI人臉識別技術的Demo

-a import arr readfile red ets 2.0 路徑 之前 編寫demo之前首先瀏覽官方API：http://ai.baidu.com/docs#/Face-API/top 下面是源碼： package com.examsafety.test;

三維人臉識別技術使我們更好地認識彼此

直觀 關聯 post 識別 模型 最小 部門 蘋果 tle 人臉識別，一種基於人的臉部特征信息進行身份認證的生物特征識別技術。近年來，隨著歐美發達國家人臉識別技術開始進入實用階段後，人臉識別迅速成為近年來全球的一個市場熱點，它具有如下顯著優點： ·非接觸，智能交互，用戶接

美團打車用了×××識別技術

×××識別曾幾何時，滴滴打車似乎成了打車一族的首選，評論有好有壞。近幾日，美團打車在上海的首秀還不錯。為了吸引更多司機加入，美團還設置了新人推薦獎。根據美團打車司機端的信息顯示，3月20和3月31日期間，司機每邀請一名新司機，並且新司機完成8單，即可拿到100元獎勵。根據美團的宣傳，其首日接單量超過15萬單。