Inhaltsverzeichnis
Werbung
print(
quit ...
cv2.destroyAllWindows()
camera.close()
Wie funktioniert es?
Im selben Pfad wie dieses Projekt (picar-x/example/) legen Sie eine Datei haarcascade_frontalhuman
face_default.xml ab. Diese Datei ist eine in OpenCV trainierte Modell-Datei zur Gesichtserkennung.
Diese Datei wird vom Kaskaden-Klassifikator von OpenCV aufgerufen.
face_cascade
=
cv2.CascadeClassifier(
Die Objekterkennung mit Haar-Feature-basierten Kaskadenklassifikatoren ist eine effektive Methode zur Objekterken-
nung, die 2001 von Paul Viola und Michael Jones in ihrem Artikel „Rapid Object Detection using a Boosted Cascade
of Simple Features" vorgestellt wurde.
Dies ist ein Ansatz, der auf maschinellem Lernen basiert. Dabei wird eine Kaskadenfunktion aus einer großen Menge
positiver und negativer Bilder trainiert und dann zur Erkennung von Objekten in anderen Bildern verwendet.
Bei der Arbeit mit Gesichtserkennung wird der Algorithmus zunächst eine große Menge positiver Bilder (Bilder von
Gesichtern) und negativer Bilder (Bilder ohne Gesichter) benötigen, um den Klassifikator zu trainieren. Danach müssen
die Gesichtsmerkmale extrahiert werden. Hierfür werden Haar-Features verwendet, ähnlich dem Faltungskern. Jedes
Feature ist ein einzelner Wert, der durch Subtraktion der Summe der Pixel unter dem weißen Rechteck von der Summe
der Pixel unter dem schwarzen Rechteck ermittelt wird.
•
Cascade Classifier
•
Cascade Classifier Training
Die Funktion human_face_detect() verarbeitet Bilder in drei Schritten:
1. Umwandlung des Bildes in Graustufen.
2. Erkennung des menschlichen Gesichts im Graustufenbild, um das Begrenzungsrechteck des erkannten Gesichts
zu erhalten.
3. Zeichnung eines Rahmens um das erkannte Objekt im Bild.
4.9. Gesichtserkennung
)
haarcascade_frontalface_default.xml
SunFounder PiCar-X Kit
(Fortsetzung der vorherigen Seite)
)
71
Werbung
Inhaltsverzeichnis
