Kotlin OpenCV 图像图像50 Haar 级联分类器模型

news2024/9/23 23:31:38

Kotlin OpenCV 图像图像50 Haar 级联分类器模型

1 OpenCV Haar 级联分类器模型
2 Kotlin OpenCV Haar 测试代码

1 OpenCV Haar 级联分类器模型

Haar级联分类器是一种用于对象检测（如人脸检测）的机器学习算法。它由Paul Viola和Michael Jones在2001年提出，通常用于实时检测，因为它速度快且性能良好。

基本原理	解释
Haar特征	Haar特征是从图像中提取的简单矩形特征，通过比较相邻区域的像素值来描述图像的局部特征。常见的Haar特征有边缘特征、线条特征和四边形特征。每个Haar特征值由区域内像素的加权和计算得到，具体公式为特征值 = 黑色区域像素值总和 - 白色区域像素值总和。
积分图（Integral Image）	积分图是一种图像表示方法，方便快速计算矩形区域的像素和。通过积分图，可以在常数时间内计算任意矩形区域的像素和。
级联分类器（Cascade Classifier）	级联分类器由一系列弱分类器（如决策树桩）组成，每个弱分类器使用一个或多个Haar特征进行分类。弱分类器按顺序排列，每个分类器将图像区域分为正例（目标对象）和负例（非目标对象）。如果某个区域被认为是负例，则立即停止检测；如果被认为是正例，则继续传递到下一个分类器。这种级联结构大大提高了检测速度，因为大部分非目标区域在早期就被排除。

OpenCV Haar 级联分类器模型
在这里插入图片描述

文件夹	用途	特点
lbpcascades	包含基于局部二值模式 (Local Binary Patterns, LBP) 的级联分类器文件。LBP 是一种有效的纹理特征描述符，在对象检测中表现良好。	计算效率高: LBP 特征计算简单，因此在对象检测时速度较快。鲁棒性: 对光照变化和其他环境变化有较好的鲁棒性。常用分类器: 人脸检测等。
hogcascades	包含基于方向梯度直方图 (Histogram of Oriented Gradients, HOG) 特征的级联分类器文件。HOG 特征在检测行人等对象时表现良好。	特征描述能力强: HOG 特征能够捕捉对象的形状和外观信息。高检测精度: 尤其在检测行人方面有较高的精度。
haarcascades_cuda	包含利用 CUDA 加速的 Haar 特征级联分类器文件。这些分类器利用 GPU 进行加速计算，提高检测速度。类似于 haarcascades 文件夹中的文件，是加速版本。	高性能: 利用 GPU 的并行计算能力，大幅提升检测速度。需要支持 CUDA 的 GPU: 需要系统安装 CUDA 并支持相应的 GPU 硬件。
haarcascades	包含基于 Haar 特征的级联分类器文件。这是 OpenCV 中最常用的对象检测分类器之一。	历史悠久: Haar 级联分类器是最早用于人脸检测的算法之一。计算复杂度适中: 相比 LBP 更复杂，但特征描述能力也更强。广泛应用: 用于人脸、眼睛、微笑等对象的检测。

haarcascades_cuda 和 haarcascades 文件的主要区别在于它们是否利用 CUDA 加速进行对象检测。

haarcascades/haarcascades_cuda 文件夹	用途
haarcascade_eye.xml	用于检测人眼。
haarcascade_eye_tree_eyeglasses.xml	用于检测戴眼镜的人眼。
haarcascade_frontalcatface.xml	用于检测猫的正面脸部。
haarcascade_frontalcatface_extended.xml	用于检测猫的正面脸部（扩展版本）。
haarcascade_frontalface_alt.xml	用于检测人脸的另一个版本。
haarcascade_frontalface_alt2.xml	用于检测人脸的另一个替代版本。
haarcascade_frontalface_alt_tree.xml	用于检测人脸的另一个替代版本（树状结构）。
haarcascade_frontalface_default.xml	用于检测人脸的默认版本。
haarcascade_fullbody.xml	用于检测人体的完整体。
haarcascade_lefteye_2splits.xml	用于检测左眼（两部分）。
haarcascade_license_plate_rus_16stages.xml	用于检测俄罗斯车牌（16阶段）。
haarcascade_lowerbody.xml	用于检测人体的下半身。
haarcascade_profileface.xml	用于检测人脸的侧面（侧脸）。
haarcascade_righteye_2splits.xml	用于检测右眼（两部分）。
haarcascade_russian_plate_number.xml	用于检测俄罗斯车牌号码。
haarcascade_smile.xml	用于检测微笑。
haarcascade_upperbody.xml	用于检测人体的上半身。

hogcascades文件夹	用途
hogcascade_pedestrians.xml	用于在图像或视频中检测行人。

lbpcascades文件夹	用途
lbpcascade_frontalcatface.xml	用于检测猫的正面脸部。
lbpcascade_frontalface.xml	用于检测人脸的正面部分。
lbpcascade_frontalface_improved.xml	用于检测人脸的正面部分，改进版本。
lbpcascade_profileface.xml	用于检测人脸的侧面部分。
lbpcascade_silverware.xml	用于检测银器（如刀、叉、勺等餐具）。

2 Kotlin OpenCV Haar 测试代码

package com.xu.com.xu.image

import org.opencv.core.MatOfRect
import org.opencv.core.Point
import org.opencv.core.Scalar
import org.opencv.highgui.HighGui
import org.opencv.imgcodecs.Imgcodecs
import org.opencv.imgproc.Imgproc
import org.opencv.objdetect.CascadeClassifier
import java.io.File
import java.util.*

object FaceDetect {

    init {
        val os = System.getProperty("os.name")
        val type = System.getProperty("sun.arch.data.model")
        if (os.uppercase(Locale.getDefault()).contains("WINDOWS")) {
            val lib = if (type.endsWith("64")) {
                File("lib\\opencv\\x64\\" + System.mapLibraryName("opencv_java4100"))
            } else {
                File("lib\\opencv\\x86\\" + System.mapLibraryName("opencv_java4100"))
            }
            System.load(lib.absolutePath)
        }
    }

    @JvmStatic
    fun main(args: Array<String>) {
        face()
    }

    private fun face() {
        val facebook = CascadeClassifier("lib/opencv/data/haarcascades/haarcascade_frontalface_alt2.xml")
        val image = Imgcodecs.imread("C:\\Users\\hyacinth\\Desktop\\1.png")
        val face = MatOfRect()
        facebook.detectMultiScale(image, face)
        val reacts = face.toArray()
        println("匹配到 " + reacts.size + " 个人脸")
        for (i in reacts.indices) {
            Imgproc.rectangle(
                image,
                Point(reacts[i].x.toDouble(), reacts[i].y.toDouble()),
                Point((reacts[i].x + reacts[i].width).toDouble(), (reacts[i].y + reacts[i].height).toDouble()),
                Scalar(0.0, 0.0, 255.0), 2
            )
            Imgproc.putText(
                image,
                i.toString(),
                Point(reacts[i].x.toDouble(), reacts[i].y.toDouble()),
                Imgproc.FONT_HERSHEY_SCRIPT_SIMPLEX,
                1.0,
                Scalar(0.0, 0.0, 255.0),
                2,
                Imgproc.LINE_AA,
                false
            )
        }
        HighGui.imshow("人脸识别", image)
        HighGui.waitKey(0)
    }

}