OpenCV 3 中的部分人体检测答案

【问题标题】：Partial human detection in OpenCV 3OpenCV 3 中的部分人体检测
【发布时间】：2017-03-29 16:48:21
【问题描述】：

我正在使用 Python 开发一个使用 OpenCV 的人体检测程序。我看到了this very good example，并在它拥有的样本上运行了它。它可以检测人，无论他们面向哪里，并且具有不错的重叠检测以及模糊运动。

但是，当我在一些我拥有的图像（主要是膝盖向上、腰部向上和胸部向上的照片）上运行它时，我发现该软件并不能完全检测到人。

您可以获取photos from this link。这是我正在使用的代码：

    # import the necessary packages
    from __future__ import print_function
    from imutils.object_detection import non_max_suppression
    from imutils import paths
    import numpy as np
    import argparse
    import imutils
    import cv2

    ap = argparse.ArgumentParser()
    ap.add_argument("-i", "--images", required=True, help="path to images directory")
    args = vars(ap.parse_args())

    # initialize the HOG descriptor/person detector
    hog = cv2.HOGDescriptor()
    hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

    # loop over the image paths
    imagePaths = list(paths.list_images(args["images"]))
    for imagePath in imagePaths:
            # load the image and resize it to (1) reduce detection time
            # and (2) improve detection accuracy
            image = cv2.imread(imagePath)
            image = imutils.resize(image, width=min(400, image.shape[1]))
            orig = image.copy()

            # detect people in the image
            (rects, weights) = hog.detectMultiScale(image, winStride=(4, 4),
                    padding=(8, 8), scale=1.05)

            # draw the original bounding boxes
            for (x, y, w, h) in rects:
                    cv2.rectangle(orig, (x, y), (x + w, y + h), (0, 0, 255), 2)

            # apply non-maxima suppression to the bounding boxes using a
            # fairly large overlap threshold to try to maintain overlapping
            # boxes that are still people
            rects = np.array([[x, y, x + w, y + h] for (x, y, w, h) in rects])
            pick = non_max_suppression(rects, probs=None, overlapThresh=0.65)

            # draw the final bounding boxes
            for (xA, yA, xB, yB) in pick:
                    cv2.rectangle(image, (xA, yA), (xB, yB), (0, 255, 0), 2)

            # show some information on the number of bounding boxes
            filename = imagePath[imagePath.rfind("/") + 1:]
            print("[INFO] {}: {} original boxes, {} after suppression".format(
                    filename, len(rects), len(pick)))

            # show the output images
            cv2.imshow("Before NMS", orig)
            cv2.imshow("After NMS", image)
            cv2.waitKey(0)

这很简单。它遍历图像，找到其中的人，然后绘制边界矩形。如果矩形重叠，则将它们连接在一起以防止误报并在一个人中检测到超过 1 个人。

但是，正如我上面提到的，如果人的脚不存在，代码将无法识别人。

有没有办法让 OpenCV 识别视频中可能只有部分身体（膝盖向上、腰部向上、胸部向上）出现的人？在我的用例场景中，我认为寻找手臂和腿并不重要，只要存在躯干和头部，我应该能够看到它。

【问题讨论】：

你可以使用 Haar 级联，它已经被训练用于上身检测。请参阅here 及其链接
@Miki 似乎训练了上身检测的 Haar Cascades 只能在看到整个身体的情况下才能检测到上身？我可能正在寻找不同的 haar 级联 xml 文件。
这对我来说没有多大意义......但我从未使用过它们，所以我无法确定
我看到了这个链接answers.opencv.org/question/95834/… 这让我怀疑它，但我认为还有另一个可用的 haar 级联 xml 文件。如果我得到一个好的结果，我会去尝试并更新这个线程。

标签： python opencv opencv3.0 opencv3.1

【解决方案1】：

我发现了 haar 上半身级联。虽然它可能并不总是有效（我将发布一个关于此的新问题），但这是一个好的开始。

代码如下：

import numpy as np
import cv2

img = cv2.imread('path/to/img.jpg',0)

upperBody_cascade = cv2.CascadeClassifier('../path/to/haarcascade_upperbody.xml')    

arrUpperBody = upperBody_cascade.detectMultiScale(img)
if arrUpperBody != ():
        for (x,y,w,h) in arrUpperBody:
            cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
        print 'body found'

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

但它不像我从 pyimagesearch 中提出的解决方案那样精致。

【讨论】：