0%

OpenCV--人脸检测

Posted on Edited on In Valine:

这次来讲讲OpenCV的一大功能，Object Detect
其中就包括了我将要使用的人脸检测，以下是最最简化的一个调用人脸识别的程序

静态图片的人脸检测

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
//头文件  
#include<opencv2/objdetect/objdetect.hpp>  
#include<opencv2/highgui/highgui.hpp>  
#include<opencv2/imgproc/imgproc.hpp>  

using namespace cv;
using namespace std;
//人脸检测的类  
CascadeClassifier faceCascade;

int main()
{
    faceCascade.load("E:\\VS2015\\myProject\\ConsoleApplication1\\ConsoleApplication1\\haarcascades\\haarcascade_frontalface_alt2.xml");   //加载分类器，注意文件路径  

    //读取图片文件
    Mat img = imread("E:\\VS2015\\myProject\\ConsoleApplication1\\ConsoleApplication1\\data\\lena.jpg");
    Mat imgGray;//定义一个灰度图像
    vector<Rect> faces; //用来圈出人脸的矩形

    if (img.empty())
    {
        return 1;
    }

    if (img.channels() == 3)
    {
        cvtColor(img, imgGray, CV_RGB2GRAY);//若为三通道RGB图像则转化为灰度图像
    }
    else
    {
        imgGray = img;
    }

    faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0));   //调用分类器检测人脸
    /*参数：imgGray—Mat类型的图像

           faces—检测得到的矩形

           1.2—表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%

            minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。
            如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。
            如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，
            这种设定值一般用在用户自定义对检测结果的组合程序上；

           flags—默认0

           minObjectSize—最小检测窗口大小

           maxObjectSize—最大检测窗口大小

           
    */  

    if (faces.size()>0)
    {
        for (int i = 0; i<faces.size(); i++)
        {
            rectangle(img, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height),
                Scalar(0, 255, 0), 1, 8);    //框出人脸位置  
        }
    }

    imshow("Faces", img);

    waitKey(0);
    return 0;
}

动态视频的人脸检测

把上面的程序稍加修改，就可以借助计算机摄像头检测人脸

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
//头文件  
#include<opencv2/objdetect/objdetect.hpp>  
#include<opencv2/highgui/highgui.hpp>  
#include<opencv2/imgproc/imgproc.hpp>  

using namespace cv;
using namespace std;
//人脸检测的类  
CascadeClassifier faceCascade;

int main()
{   
    VideoCapture cap(0);    //打开默认摄像头  
    if (!cap.isOpened())
    {
        return -1;
    }
    Mat frame;
    //Mat edges;
    Mat gray;
    bool stop = false;

    faceCascade.load("E:\\VS2015\\myProject\\ConsoleApplication1\\ConsoleApplication1\\haarcascades\\haarcascade_frontalface_alt2.xml");   //加载分类器，注意文件路径  

    //Mat img = imread("E:\\VS2015\\myProject\\ConsoleApplication1\\ConsoleApplication1\\data\\lena.jpg");
    //Mat imgGray;
    //vector<Rect> faces;



    while (!stop)
    {
        cap >> frame;//获取视频图像

        //建立用于存放人脸的向量容器  
        vector<Rect> faces(0);

        cvtColor(frame, gray, CV_BGR2GRAY);//对图像的预处理
        //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  
        equalizeHist(gray, gray);

        faceCascade.detectMultiScale(gray, faces,
            1.1, 2, 0
            //|CV_HAAR_FIND_BIGGEST_OBJECT  
            //|CV_HAAR_DO_ROUGH_SEARCH  
            | CV_HAAR_SCALE_IMAGE,
            Size(30, 30));

        //Mat face;
        //Point text_lb;

        if (faces.size()>0)
        {
            for (int i = 0; i<faces.size(); i++)
            {
                rectangle(frame, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height),
                    Scalar(0, 255, 0), 1, 8);    //框出人脸位置  
            }
        }




        imshow("face", frame);
        if (waitKey(50) >= 0)
            stop = true;
    }

}