python opencv Haar分类器 物体检测算法获得目标框和类别信息 并存储到list中

好的，这个问题我可以回答。使用 OpenCV 中的 Haar 分类器进行物体检测可以通过以下步骤来实现：

1. 导入所需库和模块：

import cv2
import numpy as np

2. 加载 Haar 分类器模型：

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

3. 读取图像并进行灰度转换：

img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

4. 使用分类器进行物体检测：

faces = face_cascade.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5)

其中，`scaleFactor` 和 `minNeighbors` 是分类器的参数，可根据需要进行调整。

5. 遍历检测到的物体并存储到列表中：

objects = []
for (x, y, w, h) in faces:
    object_info = {'class': 'face', 'box': [x, y, x+w, y+h]}
    objects.append(object_info)

其中，`x`、`y`、`w`、`h` 是检测到的物体的坐标和大小，`object_info` 是一个字典，包含检测到的物体的类别和边框信息，最后将其添加到 `objects` 列表中。

完整的代码如下：

import cv2
import numpy as np

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

faces = face_cascade.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5)

objects = []
for (x, y, w, h) in faces:
    object_info = {'class': 'face', 'box': [x, y, x+w, y+h]}
    objects.append(object_info)

print(objects)

其中，`test.jpg` 是待检测的图像文件名，`haarcascade_frontalface_default.xml` 是 Haar 分类器模型文件名，需要下载并保存到本地。