- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
从视频文件开始,我逐帧扫描视频,直到我使用 OpenCV Haar 正面面部级联找到一张脸。然后我将这些坐标传递给 Camshift(使用 OpenCV 示例代码)以从该帧开始跟踪该面部。然后我在 Camshift 返回的跟踪框中使用 Haar 眼睛/嘴巴检测,假设这是我感兴趣的区域。
当我这样做时,眼睛/嘴巴检测返回的结果很少/没有。
如果我只是在没有 Camshift 的情况下使用相同的眼睛和嘴巴检测器对视频进行基本浏览,那么它们会检测到眼睛和嘴巴(尽管经常将嘴巴检测为眼睛,反之亦然,但仍然比我的 Camshift 检测效果更好-跟踪 ROI 方法)。
这与我的预期相反 - 与对整个视频帧进行哑扫描相比,是否应该将搜索限制在已知和跟踪面部的 ROI 内,以实现更可靠的面部特征检测?也许我对我的搜索坐标做了一些不合适的事情……
非常感谢任何帮助。
import numpy as np
import cv2
import cv
from common import clock, draw_str
import video
class App(object):
def __init__(self, video_src):
if video_src == "webcam":
self.cam = video.create_capture(0)
else:
self.vidFile = cv.CaptureFromFile('sources/' + video_src + '.mp4')
self.vidFrames = int(cv.GetCaptureProperty(self.vidFile, cv.CV_CAP_PROP_FRAME_COUNT))
self.cascade_fn = "haarcascades/haarcascade_frontalface_default.xml"
self.cascade = cv2.CascadeClassifier(self.cascade_fn)
self.left_eye_fn = "haarcascades/haarcascade_eye.xml"
self.left_eye = cv2.CascadeClassifier(self.left_eye_fn)
self.mouth_fn = "haarcascades/haarcascade_mcs_mouth.xml"
self.mouth = cv2.CascadeClassifier(self.mouth_fn)
self.selection = None
self.drag_start = None
self.tracking_state = 0
self.show_backproj = False
self.face_frame = 0
cv2.namedWindow('camshift')
cv2.namedWindow('source')
#cv2.namedWindow('hist')
if video_src == "webcam":
while True:
ret, img = self.cam.read()
self.rects = self.faceSearch(img)
print "Searching for face..."
if len(self.rects) != 0:
break
else:
for f in xrange(self.vidFrames):
img = cv.QueryFrame(self.vidFile)
tmp = cv.CreateImage(cv.GetSize(img), 8, 3)
cv.CvtColor(img, tmp, cv.CV_BGR2RGB)
img = np.asarray(cv.GetMat(tmp))
print "Searching frame", f+1
self.face_frame = f
self.rects = self.faceSearch(img)
if len(self.rects) != 0:
break
def faceSearch(self, img):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = cv2.equalizeHist(gray)
rects = self.detect(gray, self.cascade)
if len(rects) != 0:
print "Detected face"
sizeX = rects[0][2] - rects[0][0]
sizeY = rects[0][3] - rects[0][1]
print "Face size is", sizeX, "by", sizeY
return rects
else:
return []
def detect(self, img, cascade):
# flags = cv.CV_HAAR_SCALE_IMAGE
rects = cascade.detectMultiScale(img, scaleFactor=1.1, minNeighbors=2, minSize=(80, 80), flags = cv.CV_HAAR_SCALE_IMAGE)
if len(rects) == 0:
return []
rects[:,2:] += rects[:,:2]
return rects
def draw_rects(self, img, rects, color):
for x1, y1, x2, y2 in rects:
cv2.rectangle(img, (x1, y1), (x2, y2), color, 2)
def show_hist(self):
bin_count = self.hist.shape[0]
bin_w = 24
img = np.zeros((256, bin_count*bin_w, 3), np.uint8)
for i in xrange(bin_count):
h = int(self.hist[i])
cv2.rectangle(img, (i*bin_w+2, 255), ((i+1)*bin_w-2, 255-h), (int(180.0*i/bin_count), 255, 255), -1)
img = cv2.cvtColor(img, cv2.COLOR_HSV2BGR)
cv2.imshow('hist', img)
cv.MoveWindow('hist', 0, 440)
def faceTrack(self, img):
vis = img.copy()
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv, np.array((0., 60., 32.)), np.array((180., 255., 255.)))
x0, y0, x1, y1 = self.rects[0]
self.track_window = (x0, y0, x1-x0, y1-y0)
hsv_roi = hsv[y0:y1, x0:x1]
mask_roi = mask[y0:y1, x0:x1]
hist = cv2.calcHist( [hsv_roi], [0], mask_roi, [16], [0, 180] )
cv2.normalize(hist, hist, 0, 255, cv2.NORM_MINMAX);
self.hist = hist.reshape(-1)
#self.show_hist()
vis_roi = vis[y0:y1, x0:x1]
cv2.bitwise_not(vis_roi, vis_roi)
vis[mask == 0] = 0
prob = cv2.calcBackProject([hsv], [0], self.hist, [0, 180], 1)
prob &= mask
term_crit = ( cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1 )
track_box, self.track_window = cv2.CamShift(prob, self.track_window, term_crit)
if self.show_backproj:
vis[:] = prob[...,np.newaxis]
try: cv2.ellipse(vis, track_box, (0, 0, 255), 2)
except: print track_box
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = cv2.equalizeHist(gray)
xc = track_box[0][0]
yc = track_box[0][1]
xsize = track_box[1][0]
ysize = track_box[1][1]
x1 = int(xc - (xsize/2))
y1 = int(yc - (ysize/2))
x2 = int(xc + (xsize/2))
y2 = int(yc + (ysize/2))
roi_rect = y1, y2, x1, x2
roi = gray[y1:y2, x1:x2]
vis_roi = img.copy()[y1:y2, x1:x2]
subrects_left_eye = self.detect(roi.copy(), self.left_eye)
subrects_mouth = self.detect(roi.copy(), self.mouth)
if subrects_left_eye != []:
print "eye:", subrects_left_eye, "in roi:", roi_rect
self.draw_rects(vis_roi, subrects_left_eye, (255, 0, 0))
self.draw_rects(vis_roi, subrects_mouth, (0, 255, 0))
cv2.imshow('test', vis_roi)
dt = clock() - self.t
draw_str(vis, (20, 20), 'time: %.1f ms' % (dt*1000))
#draw_str(vis, (20, 35), 'frame: %d' % f)
cv2.imshow('source', img)
cv.MoveWindow('source', 500, 0)
cv2.imshow('camshift', vis)
def run(self):
if video_src == "webcam":
while True:
self.t = clock()
ret, img = self.cam.read()
self.faceTrack(img)
ch = 0xFF & cv2.waitKey(1)
if ch == 27:
break
if ch == ord('b'):
self.show_backproj = not self.show_backproj
else:
for f in xrange(self.face_frame, self.vidFrames):
self.t = clock()
img = cv.QueryFrame(self.vidFile)
if type(img) != cv2.cv.iplimage:
break
tmp = cv.CreateImage(cv.GetSize(img), 8, 3)
cv.CvtColor(img, tmp, cv.CV_BGR2RGB)
img = np.asarray(cv.GetMat(tmp))
self.faceTrack(img)
ch = 0xFF & cv2.waitKey(5)
if ch == 27:
break
if ch == ord('b'):
self.show_backproj = not self.show_backproj
cv2.destroyAllWindows()
if __name__ == '__main__':
import sys
try: video_src = sys.argv[1]
except: video_src = '1'
App(video_src).run()
最佳答案
您提到 detectMultiScale 的最小尺寸为 80 像素。脸上可能是这样,但眼睛和嘴巴没那么大。所以这可能是不检测眼睛和嘴巴的原因之一。在调用眼睛和嘴巴时尝试将其减少到 20 或 30 像素。
关于python - OpenCV Haar 特征检测,仅限于 Camshift 跟踪区域,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11140692/
我正在尝试从我的系统中完全删除 opencv。我试图学习 ROS,而在教程中我遇到了一个问题。创建空工作区后,我调用catkin_make 它给出了一个常见错误,我在 answers.ros 中搜索并
我在尝试逐步转移对warpAffine的调用时遇到崩溃(不是异常): void rotateImage( const Mat& source, double degree, Mat& output )
如何处理opencv gpu异常?是否有用于opencvgpu异常处理的特定错误代码集api? 我尝试了很多搜索,但只有1个错误代码,即CV_GpuNotSupported。 请帮帮我。 最佳答案 虽
笔记 我是 OpenCV(或计算机视觉)的新手,所以告诉我搜索查询会很有帮助! 我想问什么 我想编写一个从图片中提取名片的程序。 我能够提取粗略的轮廓,但反射光会变成噪点,我无法提取准确的轮廓。请告诉
我想根据像素的某个阈值将Mono16类型的Mat转换为二进制图像。我尝试使用以下内容: 阈值(img,ret,0.1,1,CV_THRESH_BINARY); 尝试编译时,出现make错误,提示: 错
我对使用GPU加速的OpenCV中的卷积函数有疑问。 使用GPU的卷积速度大约快3.5 运行时: convolve(src_32F, kernel, cresult, false, cbuffer);
我正在尝试使用非对称圆圈网格执行相机校准。 我通常找不到适合CirclesGridFinder的文档,尤其是findHoles()函数的文档。 如果您有关于此功能如何工作以及其参数含义的信息,将不胜感
在计算机上绘图和在 OpenCV 的投影仪上投影之间有什么区别吗? 一种选择是投影显示所有内容的计算机屏幕。但也许也有这样的选择,即在投影仪上精确地绘制和投影图像,仅使用计算机作为计算机器。如果我能做
我将Processing(processing.org)用于需要人脸跟踪的项目。现在的问题是由于for循环,程序将耗尽内存。我想停止循环或至少解决内存不足的问题。这是代码。 import hyperm
我有下面的代码: // Image Processing.cpp : Defines the entry point for the console application. // //Save
我正在为某些项目使用opencv。并有应解决的任务。 任务很简单。我有一张主图片,并且有一个模板,而不是将主图片与模板进行比较。我使用matchTemplate()函数。我只是好奇一下。 在文档中,我
我正在尝试使用以下命令创建级联分类器: haartraining -data haarcascade -vec samples.vec -bg negatives.dat -nstages 20 -n
我试图使用OpenCV检测黑色图像中一组形状的颜色,为此我使用了Canny检测。但是,颜色输出总是返回为黑色。 std::vector > Asteroids::DetectPoints(const
我正在尝试使用OpenCv 2.4.5从边缘查找渐变方向,但是我在使用cvSobel()时遇到问题,以下是错误消息和我的代码。我在某处读到它可能是由于浮点(??)之间的转换,但我不知道如何解决它。有帮
我正在尝试构建循环关闭算法,但是在开始开发之前,我想测试哪种功能描述符在真实数据集上效果更好。 我有两个在两个方向拍摄的走廊图像,一个进入房间,另一个离开同一个房间。因此它们代表相同的场景,但具有2个
有没有一种方法可以比较直方图,但例如要排除白色,因此白色不会影响比较。 最佳答案 白色像素有 饱和度 , S = 0 .因此,在创建直方图时很容易从计数中删除白色像素。请执行下列操作: 从 BGR 转
就像本主题的标题一样,如何在OpenCV中确定图像的特定像素(灰度或彩色)是否饱和(例如,亮度过高)? 先感谢您。 最佳答案 根据定义,饱和像素是指与强度(即灰度值或颜色分量之一)等于255相关联的像
我是OpenCV的新用户,正在从事大学项目。程序会获取输入图像,对其进行综合模糊处理,然后对其进行模糊处理。当对合成模糊图像进行反卷积时,会生成边界伪像,因为...好吧,到目前为止,我还没有实现边界条
我想知道OpenCV是haar特征还是lbp是在多尺度搜索过程中缩放图像还是像论文中提到的那样缩放特征本身? 编辑:事实证明,检测器可以缩放图像,而不是功能。有人知道为什么吗?通过缩放功能可以更快。
我在openCv中使用SVM.train命令(已定义了适当的参数)。接下来,我要使用我的算法进行分类,而不是使用svm.predict。 可能吗?我可以访问训练时生成的支持 vector 吗?如果是这
我是一名优秀的程序员,十分优秀!