Haar Cascade Object Detection Face & Eye OpenCV Python Tutorial

Dalam tutorial OpenCV dengan Python ini, kita akan membahas deteksi objek dengan Haar Cascades. Kami akan melakukan deteksi wajah dan deteksi mata untuk memulai. Untuk melakukan pengenalan obyek / deteksi dengan file cascade, Anda harus terlebih dahulu membutuhkan file cascade. Untuk tugas-tugas yang sangat populer, ini sudah ada. Mendeteksi hal-hal seperti wajah, mobil, senyum, mata, dan plat nomor misalnya semua cukup lazim.

Pertama, saya akan menunjukkan cara untuk menggunakan file-file cascades , maka saya akan menunjukkan cara untuk memulai menciptakan cascades sendiri, sehingga Anda dapat mendeteksi benda yang Anda inginkan, yang pretty dan keren!

Anda dapat menggunakan Google untuk mencari berbagai Haar Cascades yang ingin anda deteksi. Anda tidak harus memiliki terlalu banyak kesulitan dalam menemukan jenis-jenis  tersebut. Kami akan menggunakan Face cascade dan Eye cascade. Anda dapat menemukan beberapa di direktori Haar cascades.

Mari kita mulai. pertama anda harus men-download haarcascade_eye.xml dan haarcascade_frontalface_default.xml dari link di atas, dan memiliki file ini di dalam direktori yang sama dengan file yang akan disimpan nanti.

import numpy as np
import cv2

# multiple cascades: https://github.com/Itseez/opencv/tree/master/data/haarcascades

#https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
#https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_eye.xml
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')

cap = cv2.VideoCapture(0)

Di sini , kita mulai dengan impor cv2 dan numpy , kemudian kita tinggal memuat wajah dan mata kita . Cukup sederhana.

while 1:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

satu-satunya hal yang baru di sini adalah penciptaan wajah . Untuk informasi lebih lanjut , kunjungi documentation for the detectMultiScale functionality. Kebanyakan deteksi mata menggunakan kulit di sekitarnya , kelopak mata , bulu mata , dan mata alis untuk membuatnya terdeteksi. Dengan demikian , langkah selanjutnya adalah untuk memecah wajah pertama , sebelum sampai ke mata :

for (x,y,w,h) in faces:
        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]

Di sini , kami menemukan wajah , ukurannya , menggambar persegi panjang , dan mencatat ROI . Selanjutnya, kita meninjau sekitarnya untuk menemukan beberapa mata :

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)

Jika kita menemukan orang-orang , kita akan membuat beberapa persegi panjang lagi. Berikutnya , kita akan :

    cv2.imshow('img',img)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()

FULL CODE :

import numpy as np
import cv2

# multiple cascades: https://github.com/Itseez/opencv/tree/master/data/haarcascades

#https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
#https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_eye.xml
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')

cap = cv2.VideoCapture(0)

while 1:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    for (x,y,w,h) in faces:
        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)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()

Tampilan Hasil :