OpenCV Haar 特徵人臉偵測詳細教學

一、簡介

Haar特徵分類器（Haar Cascade Classifier）是由 Paul Viola 和 Michael Jones 提出的一種快速目標檢測方法，常用於人臉偵測。OpenCV 內建多組訓練好的 Haar 分類器 XML 檔案，可直接使用。

本教學示範如何使用 OpenCV 搭配 Haar 分類器快速偵測影像中的人臉。

二、開發環境需求

• Python 3.x
• OpenCV-python（可用指令安裝：pip install opencv-python）
• imutils（方便影像縮放，安裝指令：pip install imutils）
• OpenCV 官方的 Haar 分類器 XML 檔案（本例使用 haarcascade_frontalface_default.xml）

三、程式碼完整範例

import cv2
import imutils

# 1. 載入人臉分類器 XML 檔
faceCascade = cv2.CascadeClassifier("ch03/haarcascades/haarcascade_frontalface_default.xml")

# 2. 讀取影像檔案
image = cv2.imread("ch03/images/20250115194509_0_551ff3.jpg")

# 3. 調整影像大小（寬度600像素），保持比例縮放
image = imutils.resize(image, width=600)

# 4. 將影像轉成灰階，Haar分類器需灰階影像作為輸入
gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

# 5. 偵測人臉
faces = faceCascade.detectMultiScale(
    gray,
    scaleFactor=1.1,      # 每次影像尺寸縮小比例，越接近1越精細但越慢
    minNeighbors=5,       # 欲保留的鄰近矩形數量，過小會誤偵測過多
    minSize=(20,20)       # 偵測人臉的最小尺寸（像素）
)

# 6. 輸出偵測到的人臉數量
print(f"人臉數: {len(faces)}")

# 7. 在影像上繪出人臉方框
for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

# 8. 顯示結果影像
cv2.imshow("image", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

四、程式碼詳細解析

程式碼區塊	功能說明
faceCascade = cv2.CascadeClassifier(...)	載入預先訓練好的人臉辨識模型（XML 檔）
image = cv2.imread(...)	讀取欲偵測的人臉影像
image = imutils.resize(image, width=600)	重新調整影像寬度為600像素，維持比例縮放
gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)	將彩色影像轉為灰階影像，方便 Haar 分類器處理
faces = faceCascade.detectMultiScale(...)	執行人臉偵測，回傳偵測到的臉部區域（矩形清單）
print(f"人臉數: {len(faces)}")	印出偵測到的人臉數量
for (x, y, w, h) in faces:	迴圈繪製人臉偵測框
cv2.rectangle(...)	在影像上以綠色方框框出人臉
cv2.imshow(...)	顯示偵測結果影像
cv2.waitKey(0)	等待按鍵，避免視窗立即關閉
cv2.destroyAllWindows()	關閉所有 OpenCV 視窗

五、參數說明

• scaleFactor=1.1：表示每次圖像縮小的比例，越接近1檢測越精細但越慢，通常設定在1.05~1.3之間。
• minNeighbors=5：設定一個候選矩形需要多少鄰近矩形才能被保留，數值越大誤檢率越低，但漏檢率會增加。
• minSize=(20,20)：指定最小檢測尺寸，避免檢測到明顯太小的物件。

六、執行步驟

1. 安裝相依套件：

   pip install opencv-python imutils

2. 下載 OpenCV 的 Haar Cascade XML 檔案，可從 官方 GitHub 取得。
3. 將程式碼中的路徑 "ch03/haarcascades/haarcascade_frontalface_default.xml" 和圖片路徑 "ch03/images/20250115194509_0_551ff3.jpg" 改為你的實際路徑。
4. 執行程式：

   python your_script.py

5. 跳出視窗會顯示圖片，並用綠色框框標示出偵測到的人臉，終端機也會印出偵測到的人臉數量。
6. 按任意鍵關閉視窗。

七、注意事項與優化建議

• Haar分類器在光線明亮、正面人臉效果最佳，側臉或暗處偵測較差。
• 若需更精確，可嘗試使用 OpenCV 的 DNN 模型或其他深度學習方法。
• 若需要即時偵測，可將靜態圖片改為攝影機串流，並在迴圈中持續偵測與畫框。
• imutils 僅用於方便縮放圖片，非必須，可使用 OpenCV 的 cv2.resize 替代。

希望這份教學能幫助你了解如何使用 OpenCV 的 Haar 特徵人臉偵測！如有其他問題，歡迎再問。