Haar级联分类器不能在简单的正面图像中检测人脸。

Question

尝试用opencv + python做一些简单的人脸检测，使用Haar级联分类器。

下面的代码完美地检测到了image1、image2中的面孔，但是在image3中却没有检测到

请帮助我理解image3中没有检测到面部的原因是什么。

import numpy as np
import cv2

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')

img = cv2.imread('/home/swiftguy/computer-vision/image3.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

faces = face_cascade.detectMultiScale(gray, 1.3, 3)
for (x,y,w,h) in faces:
    img2 = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
    roi_gray = gray[y:y+h, x:x+w]
    roi_color = img[y:y+h, x:x+w]
    eyes = eye_cascade.detectMultiScale(roi_gray)
    for (ex,ey,ew,eh) in eyes:
            cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)

cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

Answer 1

这主要是因为脸的亮度很高，孩子们的面部(主要是鼻梁周围)缺乏锐利的特征。人脸检测前的直方图均衡化可以提高像这样的图像的检测精度。

如果您的检测器需要很好地处理这些图像，一种可能是使用一组相似的图像来训练分类器。

Answer 2

haar级联的工作原理是二值化的，如果你通过文档，它解释了人脸检测的整个过程，以供我附上样本图像作一个简单的介绍。

​

​

​

​

从图像中可以看到，灰度图像被处理以匹配预定义的模式，黑白框只分别表示较暗像素和较轻像素的像素密度，因此处理完全依赖于构成特定特征或图案的像素的亮度。

若要确定像素应视为黑色还是白色，则设置阈值。现在考虑第二张快照中右下角的图像，它使用了一个明显的事实，即眉毛比肤色更深，因此我们眼睛周围的区域可以简化为BWB(黑色白色黑)，其中第一个B代表较深的左眉像素，W代表眉毛之间的肤色，最后一个B代表右侧眉毛，然而有许多这样的特征。

现在来看你的图像，图像的亮度更高了一点，还缺少了突出的黑色特征，例如:眉毛、嘴唇等。因此，构成haar特征的像素的亮度值有可能大于阈值，因此一些BWB特征可能看起来像WWW特征，因而无法满足给定图像中人脸的标准。