[OpenCV with Python] 영상 분할과 객체 검출 : 캐스케이드 분류기 - 얼굴 검출

캐스케이드 분류기란?

캐스케이드는 직렬로 연결되어 있다는 것을 의미한다. 얼굴 검출 용도로 많이 쓰이며 눈, 보행자, 자동차 번호판까지 검출 가능하다.

 

 

Viola – Jones 얼굴 검출기

수 천개의 얼굴 영상(Positive)과 얼굴이 아닌 영상(Negative)을 훈련하여 분류 모델을 구현하고 해당 모델을 이용해서 입력 영상 속 얼굴을 검출하는 방식

• AdaBoost에 기반하여 강한 분류 성능을 갖고있다. (간단한 형태의 분류기를 여러개 모아서 강한 형태의 분류기를 만듦)
• 유사 하르(haar-like) 특징을 사용
• 캐스케이드(cascade) 방식을 통한 빠른 동작 속도를 갖고있다.
•  기존 얼굴 검출 방법보다 약 15배 빠르게 동작

 

유사 하르 특징  Haar-like features

• 사각형 형태의 필터 집합을 사용
• 흰색 사각형 영역 픽셀 값의 합에서 검정색 사각형 영역 픽셀 값을 뺀 결과 값을 추출
• 최종적으로 + 값인지 - 값인지를 기준으로 얼굴의 특징이 있는지 판단

• 사람의 눈쪽은 눈썹과 눈동자 등으로 인해 어둡고, 그 아래 콧등 부분은 밝게 표시되는 특징들을 추출

 

 

캐스케이드 분류기(Cascade classifier)

• 특징을 모으는 작업은 에이다 부수트 알고리즘으로인해 수행되며 평균적으로 6000개의 특징을 추출하는데, 모두 비교하기에는 비효율적
• 또한 영상 파일에서 보통 얼굴이 한 두개 있을 뿐 나머지 부분은 얼굴이 아닌 non-face 영역
• non-face인 영역을 빠르게 skip 하도록 다단계 (cascade) 검사 수행
  

  

 

✔︎  cv2.CascadeClassifier 객체 생성 및 학습 데이터 불러오기

cv2.CascadeClassifier( ) -> <CascadeClassifier object>
cv2.CascadeClassifier(filename) -> <CascadeClassifier object>

retval = cv2.CascadeClassifier.load(filename)

• filename - 얼굴을 검출하도록 특징을 지정해논 파일이며 미리 학습된 모델
• 객체를 생성할 때 생성자를 이용해서 filename 값으로 XML 파일을 지정
• 또는 객체 생성 후 load 함수를 이용하여 학습된 모델 데이터 (XML) 삽입

 

미리 학습된 XML 파일

• OpenCV 깃허브 사이트에서 다운로드 가능 OpenCV github

GitHub - opencv/opencv: Open Source Computer Vision Library

 

 

 

✔︎  멀티스케일 객체 검출 함수 - cv2.CascadeClassifier.detectMultiScale

result = cv2.CascadeClassifier.detectMultiScale(image, scaleFactor=None, minNeighbors=None, flags=None, minSize=None, maxSize=None)

• image - 입력영상
• scaleFactor - 영상 축소 비율 (기본값 1.1.)
  박스를 조금씩 키워주면서 연산한다.  기본값이 아닌 1.2배로 하면 속도가 훨씬 빨라지지만 특정 크기 얼굴을 검출 못할 가능성이 있다.
• minNeighbors - 얼마나 많은 이웃 사각형이 검출되어야 최종 검출 영역으로 설정할지를 지정 (기본값 3)
• flags - (현재)사용되지않음
• minSize - 최소 객체 크기(w, h)
• maxSize - 최대객체크기(w,h)
• result - 검출된 객체의 사각형 정보(x, y, w, h)를 담은 numpy.ndarray. shape=(N, 4)

 

💬  캐스케이드 분류기를 이용해서 정면 얼굴 검출 예제

import sys
import numpy as np
import cv2


src = cv2.imread('lenna.bmp')

if src is None:
    print('Image load failed!')
    sys.exit()

classifier = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')

if classifier.empty():
    print('XML load failed!')
    sys.exit()

faces = classifier.detectMultiScale(src)

for (x, y, w, h) in faces:
    cv2.rectangle(src, (x, y, w, h), (255, 0, 255), 2)

cv2.imshow('src', src)
cv2.waitKey()
cv2.destroyAllWindows()