opencv----人脸检测

        在OpenCV中，人脸检测也是其热门应用之一。在OpenCV的特征检测专题就详细介绍了人脸检测的原理——通过Haar特征来识别是否为人脸。Haar特征检测原理与Haar特征分类器的训练放到下一篇《【OpenCV入门指南】第十四篇  Haartraining》来讲，本篇主要介绍如何在OpenCV中使用Haar特征分类器来对图像中的人脸进行检测和识别。下面将分成五步来详细示范如何在OpenCV中进行人脸识别：

    一．人脸的Haar特征分类器是什么

    二．在哪找人脸的Haar特征分类器

    三．怎么用人脸的Haar特征分类器

    四．人脸识别示例代码

    五．人脸识别程序运行结果

一．人脸的Haar特征分类器是什么

人脸的Haar特征分类器就是一个XML文件，该文件中会描述人脸的Haar特征值。当然Haar特征的用途可不止可以用来描述人脸这一种，用来描述眼睛，嘴唇或是其它物体也是可以的。

 

二．在哪找人脸的Haar特征分类器

OpenCV有已经自带了人脸的Haar特征分类器。OpenCV安装目录中的\data\ haarcascades目录下的haarcascade_frontalface_alt.xml与haarcascade_frontalface_alt2.xml都是用来检测人脸的Haar分类器。这个haarcascades目录下还有人的全身，眼睛，嘴唇的Haar分类器。读者可以仿照本方的例子来试验下效果看看。

扫描二维码关注公众号，回复： 13301140 查看本文章

 

三．怎么用人脸的Haar特征分类器

CascadeClassifier类

class CascadeClassifier

用于检测物体的级联分类器类。

CascadeClassifier::CascadeClassifier

从一个文件读取分类器。

C++:   CascadeClassifier:: CascadeClassifier (const string&  filename )

参数	filename – 所要读取分类器文件的文件名

CascadeClassifier::empty

检查分类器是否已经载入。

C++:  bool  CascadeClassifier:: empty ( )  const

CascadeClassifier::load

从一个文件读取分类器。

C++:  bool  CascadeClassifier:: load (const string&  filename )

参数	filename – 所要读取分类器文件的文件名。文件可以是旧版的HAAR分类器模型也可以是新版的分类器模型。

CascadeClassifier::read

读取一个文件存储节点的分类器。

C++: bool CascadeClassifier::read(const FileNode& node)

CascadeClassifier::detectMultiScale

对不同大小的输入图像进行物体识别，并返回一个识别到的物体的矩阵列表。

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

参数	image – 需要检测的 CV_8U 输入矩阵。 objects – 输出vector载体容器用于保存被识别的物体矩阵。 scaleFactor – 指定每张图片的缩小比例的参数。 minNeighbors – 指定每个候选矩阵至少包含的邻近元素个数。 flags – 与旧版级联分类器模型函数cvHaarDetectObjects的flags相同. 此参数不被用于新版模型。 minSize – 最小可能的对象的大小，小于的对象将被忽略。 maxSize – 最大可能的对象的大小，大于的对象将被忽略。

CascadeClassifier::setImage

设置被用于检测的图像。

C++:  bool  CascadeClassifier:: setImage (Ptr<FeatureEvaluator>&  feval, const Mat&  image )

参数	feval – 用于特征计算的特征求值程序的指针。 image – 需要进行特征检测的 CV_8U 输入矩阵。

这个函数将在每张图片中被 CascadeClassifier::detectMultiScale() 自动调用。 但如果你想在不同位置手动使用 CascadeClassifier::runAt()，你需要先调用该函数，使得图像被积分计算。

CascadeClassifier::runAt

在指定点运行检测。

C++:  int  CascadeClassifier:: runAt (Ptr<FeatureEvaluator>&  feval, Point  pt, double&  weight )

参数	feval – 用于特征计算的特征求值程序。 pt – 指定检测窗口左上角的点。窗口的大小和检测的图片大小一致。

如果级联分类器检测到给定的位置中的一个对象，该函数返回1。否则，它会返回已被否决的候选区域在哪个阶段的否定的指数。

使用CascadeClassifier::setImage() 设置图像的检测工作。

四．人脸识别示例代码

#include "opencv2/core/core.hpp"
#include "opencv2/objdetect/objdetect.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"

#include <iostream>
#include <stdio.h>

using namespace std;
using namespace cv;

//屏蔽窗口  
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")   

//需要载入的级联分类器文件
string face_cascade_name = "D:/opencv/opencv/data/haarcascades/haarcascade_frontalface_alt.xml";
//级联分类器类
CascadeClassifier face_cascade;
string window_name = "人脸识别";

void detectAndDisplay( Mat frame );

int main(){
    Mat image = imread("c:/1.jpg");

    if(!image.data ){
        printf("[error] 没有图片\n");
        return -1;
    }

	//载入级联分类器，并判断是否载入成功，如果不成功则打印提示
    if( !face_cascade.load( face_cascade_name ) ){ 
        printf("[error] 无法加载级联分类器文件！\n");
        return -1; 
    }

    detectAndDisplay(image);

    waitKey(0);    
}

void detectAndDisplay( Mat frame ){
    std::vector<Rect> faces;
    Mat frame_gray;
	
	//将frame转换成灰度图，输出到frame_gray
    cvtColor( frame, frame_gray, CV_BGR2GRAY );

	//直方图均衡化
    equalizeHist( frame_gray, frame_gray );
	
	//对不同大小的输入图像进行物体识别，并返回一个识别到的物体的矩阵列表
    face_cascade.detectMultiScale( frame_gray, faces, 1.1, 2, 0|CV_HAAR_SCALE_IMAGE, Size(30, 30) );

	//画圆
    for( int i = 0; i < faces.size(); i++ ){
        Point center( faces[i].x + faces[i].width*0.5, faces[i].y + faces[i].height*0.5 );
        ellipse( frame, center, Size( faces[i].width*0.5, faces[i].height*0.5), 0, 0, 360, Scalar( 255, 0, 255 ), 4, 8, 0 );
    }

    imshow( window_name, frame );
}

识别结果：

可以成功识别人脸，

嗯。。换成动漫图片试试。。

无法识别。。原因可能是动漫人物的五官和现实人脸不太一致

2D动漫图不行，那么3D呢？

成功识别了，哈哈