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、/ello/archive//04/28/2475419.html(讲的很详细);
2、/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:
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;