opencv detectMultiScale()参数调节

步骤：

调用opencv训练好的分类器和自带的检测函数检测人脸人眼等的步骤简单直接：

1.加载分类器，当然分类器事先要放在工程目录中去。分类器本来的位置是在*\opencv\sources\data\haarcascades（harr分类器，也有其他的可以用，也可以自己训练）

2.调用detectMultiScale()函数检测，调整函数的参数可以使检测结果更加精确。

3.把检测到的人脸等用矩形（或者圆形等其他图形）画出来。

主要函数：

这里面最主要的一个函数就是detectMultiScale()。文档中的解释如下：

1.image表示的是要检测的输入图像

2.objects表示检测到的人脸目标序列

3.scaleFactor表示每次图像尺寸减小的比例

4. minNeighbors表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大小都可以检测到人脸),

5.minSize为目标的最小尺寸

6.minSize为目标的最大尺寸

适当调整4,5,6两个参数可以用来排除检测结果中的干扰项。

Python程序如下：

[python] view plain copy

1. import numpy as np  
2. import cv2  
3.   
4.   
5. face_cascade = cv2.CascadeClassifier("/haarcascade_frontalface_default.xml")  
6. eye_cascade = cv2.CascadeClassifier("/haarcascade_eye_tree_eyeglasses.xml")  
7.   
8. img = cv2.imread("/2.jpg")  
9. gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
10.                       
11. faces = face_cascade.detectMultiScale(gray,1.1,5,cv2.CASCADE_SCALE_IMAGE,(50,50),(100,100))  
12.   
13. if len(faces)>0:  
14.     for faceRect in faces:  
15.         x,y,w,h = faceRect  
16.         cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2,8,0)  
17.   
18.         roi_gray = gray[y:y+h,x:x+w]  
19.         roi_color = img[y:y+h,x:x+w]  
20.   
21.         eyes = eye_cascade.detectMultiScale(roi_gray,1.1,1,cv2.CASCADE_SCALE_IMAGE,(2,2))  
22.         for (ex,ey,ew,eh) in eyes:  
23.             cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)  
24.               
25. cv2.imshow("img",img)  
26. cv2.waitKey(0)  

本文由@星沉阁冰不语出品，转载请注明作者和出处。

文章链接：http://blog.csdn.net/xingchenbingbuyu/article/details/51105159

微博：http://weibo.com/xingchenbing