OpenCV学习记录（一）：使用haar分类器进行人脸识别

OpenCV支持的目标检测的方法是利用样本的Haar特征进行的分类器训练，得到的级联boosted分类器（Cascade Classification）。OpenCV2之后的C++接口除了Haar特征以外也可以使用LBP特征。
介绍haar分类器理论知识：
1、http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html（讲的很详细）；
2、http://blog.csdn.net/zy1034092330/article/details/48850437（基础理论）
实际使用中原理只要大概懂就行了，如果想深究，可以读读两个链接中的博文。
使用OpenCV中自带的haar分类器识别人脸，其文件在OpenCV安装文件夹如下路径中：
这里写图片描述

将haarcascade_frontalface_alt.xml文件复制到工程根目录下即可。

代码：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

//String my_face_cascade_name = "my_haarcasade_face.xml";
String face_cascade_name = "haarcascade_frontalface_alt.xml";
CascadeClassifier face_cascade;
String window_name = "Capture - face detection";

void detectFace(Mat frame);

int main()
{
    VideoCapture capture;
    Mat frame;

    //检测是否成功读取人脸的haar分类器，就是那个xml文件
    if (!face_cascade.load(my_face_cascade_name))
    {
        cout << "Error: cannot load face casade!!!" << endl;
        return -1;
    }

    capture.open(0);//打开摄像头
    //检测摄像头是否成功打开
    if (!capture.isOpened())
    {
        cout << "Error: cannot open the camera!!!" << endl;
        return -1;
    }

        namedWindow(window_name);//创建窗口

    while (true)
    {
        capture >> frame;   //从摄像头读入一帧图像

        detectFace(frame);//对那帧图像进行处理，识别人脸

        //等待按键，若按下esc键，则退出循环
        int c = waitKey(10);
        if (c == 0x1B)
            break;
    }


    return 0;
}

//从输入图像中检测人脸
void detectFace(Mat frame)
{
    Mat frame_gray;
    vector<Rect> face;

    cvtColor(frame, frame_gray, COLOR_BGR2GRAY);//转成灰度图像
    equalizeHist(frame_gray, frame_gray);//直方图均衡化

    //按照文档说明调用函数即可
    face_cascade.detectMultiScale(frame_gray, face, 1.1, 2, CASCADE_SCALE_IMAGE, Size(30, 30));

    //遍历所有人脸
    for (size_t i = 0; i < face.size(); i++)
    {
        //根据返回的Rect的x坐标、y坐标、宽width和高height算出中心位置
        Point center(face[i].x + face[i].width/2, face[i].y + face[i].height/2);
        //调用ellipse画出椭圆型边框，指示人脸
        ellipse(frame, center, Size(face[i].width/2, face[i].height/2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0);

    }

    //最后刷新窗口，显示图像
    imshow(window_name, frame);
}

程序中已经有相关注释，不做赘述。只要环境配置正确，OpenCV2下运行应该不会有错。
简要总结一下CascadeClassifier::detectMultiScale函数的用法：
从文档中摘出来的三种c++下的定义方式：

CascadeClassifier::detectMultiScale
Detects objects of different sizes in the input image. The detected objects are returned as a list of rectangles.

C++: void CascadeClassifier::detectMultiScale(InputArray image, vector& objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())

C++: void CascadeClassifier::detectMultiScale(InputArray image, vector& objects, vector& numDetections, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())

C++: void CascadeClassifier::detectMultiScale(InputArray image, std::vector& objects, std::vector& rejectLevels, std::vector& levelWeights, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size(), bool outputRejectLevels=false )

只讨论下面这种形式：

C++: void CascadeClassifier::detectMultiScale(InputArray image,
vector& objects, double scaleFactor=1.1, int minNeighbors=3, int
flags=0, Size minSize=Size(), Size maxSize=Size())

参数说明：
1、InputArray image：
输入图像，填Mat类型的图像即可。图像通道数可以是任意的，但图像深度应为CV_8U、CV_16U、CV_16S、CV_32F、CV_64F；

2、std::vector& objects：
为被检测物体的矩形向量组，这里就代表人脸所在范围的矩形向量组；

3、double scaleFactor=1.1：
scaleFactor为图像中的尺度参数，默认取值1.1；

4、int minNeighbors=3：
每一个级联矩形应该保留的邻近个数的最小值，默认为3；

5、int flags=0：
在老版本的OpenCV中，与cvHaarDetectObjects中的这个参数具有相同的含义，新版本中没用，默认取0；

6、Size minSize=Size()：
物体的最小大小，指定其大小的最小值，所有小于此的都被忽视掉；

7、Size maxSize=Size()：
物体的最大大小，指定其大小的最大值，所有大于此的都被忽视掉；

OpenCV学习记录（一）：使用haar分类器进行人脸识别

猜你喜欢