使用OpenCV实现人脸的实时检测与追踪

简介

要想使用OpenCV实现人脸的实时检测与追踪，首先要搭建好OpenCV的环境，这里有在Xcode下搭建OpenCV的教程：
http://blog.csdn.net/qq_32925781/article/details/53590249
其他环境下的自行百度。

代码

下面上代码：

#include "opencv2/opencv.hpp"
#include <iostream>
using namespace std;
using namespace cv;

void detectAndDraw( Mat& img, CascadeClassifier& cascade,
                   CascadeClassifier& nestedCascade,
                   double scale, bool tryflip );

int main()
{
    VideoCapture cap(0);    //打开默认摄像头
    if(!cap.isOpened())
    {
        cout<<"Can not open the camera!"<<endl;
        return -1;
    }

    Mat frame;
    Mat edges;

    //CascadeClassifier是Opencv中做人脸检测的时候的一个级联分类器
    CascadeClassifier cascade, nestedCascade;

    //加载级联分类器
    cascade.load("/Users/.../opencv-3.1.0/data/haarcascades/haarcascade_frontalface_alt.xml");
    nestedCascade.load("/Users/.../opencv-3.1.0/data/haarcascades/haarcascade_eye_tree_eyeglasses.xml");


    while(true)
    {
        cap>>frame;

        //对画面进行一定的缩放，方便处理
        double scale = 1.2;         //缩放比例
        Mat smallImg(frame.rows / scale,frame.cols / scale,CV_8SC1);
        resize(frame, frame, smallImg.size(),0,0,INTER_LINEAR);

        detectAndDraw( frame, cascade, nestedCascade,2,0 );

        int key;
        key = waitKey(10);
        if (key == 'q' || key == 'Q' || key == 27)
            break;
    }

    return 0;
}



void detectAndDraw( Mat& img, CascadeClassifier& cascade,
                   CascadeClassifier& nestedCascade,
                   double scale, bool tryflip )
{
    int i = 0;
    double t = 0;

    //建立用于存放人脸的向量容器
    vector<Rect> faces, faces2;

    //定义一些颜色，用来标示不同的人脸
    const static Scalar colors[] =  { CV_RGB(0,0,255),
        CV_RGB(0,128,255),
        CV_RGB(0,255,255),
        CV_RGB(0,255,0),
        CV_RGB(255,128,0),
        CV_RGB(255,255,0),
        CV_RGB(255,0,0),
        CV_RGB(255,0,255)} ;

    //建立缩小的图片，加快检测速度
    //nt cvRound (double value)对一个double型的数进行四舍五入，并返回一个整型数！
    Mat gray, smallImg(cvRound(img.rows/scale), cvRound(img.cols/scale), CV_8UC1 );

    //转成灰度图像，Harr特征基于灰度图
    cvtColor( img, gray, CV_BGR2GRAY );

    //改变图像大小，使用双线性差值
    resize( gray, smallImg, smallImg.size(), 0, 0, INTER_LINEAR );

    //变换后的图像进行 直方图均值化 处理,可以增强对比度
    equalizeHist( smallImg, smallImg );

    //程序开始和结束插入此函数获取时间，经过计算求得算法执行时间
    t = (double)cvGetTickCount();
    //检测人脸
    //detectMultiScale函数中smallImg表示的是要检测的输入图像为smallImg，faces表示检测到的人脸目标序列
    //每次图像尺寸减小的比例为1.1 (默认值)，2表示每一个目标至少要被检测到2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)
    //CV_HAAR_DO_CANNY_PRUNING:利用Canny边缘检测器来排除一些边缘很少或者很多的图像区域，CV_HAAR_SCALE_IMAGE:按比例正常检测，CV_HAAR_FIND_BIGGEST_OBJECT:只检测最大的物，CV_HAAR_DO_ROUGH_SEARCH:初略检测。
    //CV_HAAR_SCALE_IMAGE表示不是缩放分类器来检测，而是缩放图像，Size(30, 30)为目标的最小最大尺寸
    cascade.detectMultiScale( smallImg, faces,
                             1.1, 3, 0
                             //|CV_HAAR_FIND_BIGGEST_OBJECT
                             //|CV_HAAR_DO_ROUGH_SEARCH
                             |CV_HAAR_SCALE_IMAGE
                             ,
                             Size(30, 30));

    //如果能，翻转图像继续检测
    if( tryflip )
    {
        flip(smallImg, smallImg, 1);
        cascade.detectMultiScale( smallImg, faces2,
                                 1.1, 2, 0
                                 //|CV_HAAR_FIND_BIGGEST_OBJECT
                                 //|CV_HAAR_DO_ROUGH_SEARCH
                                 |CV_HAAR_SCALE_IMAGE
                                 ,Size(30, 30) );
        for( vector<Rect>::const_iterator r = faces2.begin(); r != faces2.end(); r++ )
        {
            faces.push_back(Rect( r->x , r->y, r->width, r->height));
            //c.push_back(X)将元素X加入到c容器的最后一位
        }
    }

    t = (double)cvGetTickCount() - t;
    //   qDebug( "detection time = %g ms\n", t/((double)cvGetTickFrequency()*1000.) );


    for( vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++, i++ )
    {
        Mat smallImgROI;
        vector<Rect> nestedObjects;
        Point center;
        Scalar color = colors[i%8];
        int radius;

        double aspect_ratio = (double)r->width/r->height;
        if( 0.75 < aspect_ratio && aspect_ratio < 1.3 )
        {
            //标示人脸时在缩小之前的图像上标示，所以这里根据缩放比例换算回去
            center.x = cvRound((r->x + r->width*0.5)*scale);
            center.y = cvRound((r->y + r->height*0.5)*scale);
            radius = cvRound((r->width + r->height)*0.25*scale);

            circle( img, center, radius, color, 3, 8, 0 );
        }
        else
            rectangle( img, cvPoint(cvRound(r->x*scale), cvRound(r->y*scale)),
                      cvPoint(cvRound((r->x + r->width-1)*scale), cvRound((r->y + r->height-1)*scale)),
                      color, 3, 8, 0);

        if( nestedCascade.empty() )
            continue;


    }

    cv::imshow( "result", img );
}

下面上效果图：

这里为了不让我的脸出镜，就用手机里的图片让摄像头识别了。