本篇文章主要介绍了如何使用OpenCV实现人脸检测。本文不具体讲解人脸检测的原理，直接使用OpenCV实现。
OpenCV版本：2.4.10；VS开发版本：VS2012。
一、OpenCV人脸检测
要实现人脸识别功能，首先要进行人脸检测，判断出图片中人脸的位置，才能进行下一步的操作。
1、OpenCV人脸检测的方法
在OpenCV中主要使用了两种特征（即两种方法）进行人脸检测，Haar特征和LBP特征。
在OpenCV中，使用已经训练好的XML格式的分类器进行人脸检测。在OpenCV的安装目录下的sources文件夹里的data文件夹里可以看到下图所示的内容：
上图中文件夹的名字“haarcascades”、“hogcascades”和“lbpcascades”分别表示通过“haar”、“hog”和“lbp”三种不同的特征而训练出的分类器：即各文件夹里的文件。"haar"特征主要用于人脸检测，“hog”特征主要用于行人检测，“lbp”特征主要用于人脸识别。打开“haarcascades”文件夹，如下图所示
图中的XML文件即是我们人脸检测所需要的分类器文件。在实际使用中，推荐使用上图中被标记的“haarcascade_frontalface_alt2.xml”分类器文件，准确率和速度都比较好。
2、OpenCV中的人脸检测的类
在OpenCV中，使用类“CascadeClassifier”进行人脸检测
- CascadeClassifier faceCascade; //实例化对象
CascadeClassifier faceCascade; //实例化对象
所需要使用的函数：
- faceCascade.load("../data/haarcascade_frontalface_alt2"); //加载分类器
- faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0)); //多尺寸检测人脸
faceCascade.load("../data/haarcascade_frontalface_alt2"); //加载分类器
faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0)); //多尺寸检测人脸
实现人脸检测主要依赖于detectMultiScale()函数，下面简单说一下函数参数的含义，先看函数原型：
- CV_WRAP virtual void detectMultiScale( const Mat& image,
- CV_OUT vector<Rect>& objects,
- double scaleFactor=1.1,
- int minNeighbors=3, int flags=0,
- Size minSize=Size(),
- Size maxSize=Size() );
CV_WRAP virtual void detectMultiScale( const Mat& image,
CV_OUT vector<Rect>& objects,
double scaleFactor=1.1,
int minNeighbors=3, int flags=0,
Size minSize=Size(),
Size maxSize=Size() );
各参数含义：
- const Mat& image: 需要被检测的图像（灰度图）
- vector<Rect>& objects: 保存被检测出的人脸位置坐标序列
- double scaleFactor: 每次图片缩放的比例
- int minNeighbors: 每一个人脸至少要检测到多少次才算是真的人脸
- int flags： 决定是缩放分类器来检测，还是缩放图像
- Size(): 表示人脸的最大最小尺寸
二、代码实现
1、检测图片中的人脸
- //头文件
- #include<opencv2/objdetect/objdetect.hpp>
- #include<opencv2/highgui/highgui.hpp>
- #include<opencv2/imgproc/imgproc.hpp>
- using namespace cv;
- //人脸检测的类
- CascadeClassifier faceCascade;
- int main()
- {
- faceCascade.load("../data/haarcascade_frontalface_alt2.xml"); //加载分类器，注意文件路径
- Mat img = imread("../data/PrettyGirl.jpg");
- Mat imgGray;
- std::vector<Rect> faces;
- if(img.empty())
- {
- return 1;
- }
- if(img.channels() ==3)
- {
- cvtColor(img, imgGray, CV_RGB2GRAY);
- }
- else
- {
- imgGray = img;
- }
- faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0)); //检测人脸
- 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("FacesOfPrettyGirl", img);
- waitKey(0);
- return 0;
- }
//头文件
#include<opencv2/objdetect/objdetect.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
//人脸检测的类
CascadeClassifier faceCascade;
int main()
{
faceCascade.load("../data/haarcascade_frontalface_alt2.xml"); //加载分类器，注意文件路径
Mat img = imread("../data/PrettyGirl.jpg");
Mat imgGray;
vector<Rect> faces;
if(img.empty())
{
return 1;
}
if(img.channels() ==3)
{
cvtColor(img, imgGray, CV_RGB2GRAY);
}
else
{
imgGray = img;
}
faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0)); //检测人脸
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("FacesOfPrettyGirl", img);
waitKey(0);
return 0;
}
结果如下图：
2、检测视频中的人脸
- //头文件
- #include<opencv2/objdetect/objdetect.hpp>
- #include<opencv2/highgui/highgui.hpp>
- #include<opencv2/imgproc/imgproc.hpp>
- using namespace cv;
- //人脸检测的类
- CascadeClassifier faceCascade;
- int main()
- {
- faceCascade.load("../data/haarcascade_frontalface_alt2.xml"); //加载分类器，注意文件路径
- VideoCapture cap;
- cap.open(0); //打开摄像头
- //cap.open("../data/test.avi"); //打开视频
- Mat img, imgGray;
- std::vector<Rect> faces;
- int c = 0;
- if(!cap.isOpened())
- {
- return 1;
- }
- while(c!=27)
- {
- cap>>img;
- if(img.channels() ==3)
- {
- cvtColor(img, imgGray, CV_RGB2GRAY);
- }
- else
- {
- imgGray = img;
- }
- faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0)); //检测人脸
- 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("Camera", img);
- c = waitKey(1);
- }
- return 0;
- }
//头文件
#include<opencv2/objdetect/objdetect.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
//人脸检测的类
CascadeClassifier faceCascade;
int main()
{
faceCascade.load("../data/haarcascade_frontalface_alt2.xml"); //加载分类器，注意文件路径
VideoCapture cap;
cap.open(0); //打开摄像头
//cap.open("../data/test.avi"); //打开视频
Mat img, imgGray;
vector<Rect> faces;
int c = 0;
if(!cap.isOpened())
{
return 1;
}
while(c!=27)
{
cap>>img;
if(img.channels() ==3)
{
cvtColor(img, imgGray, CV_RGB2GRAY);
}
else
{
imgGray = img;
}
faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0)); //检测人脸
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("Camera", img);
c = waitKey(1);
}
return 0;
}
在视频实时检测时，可能会出现卡顿，是因为检测人脸花费了过多的时间，这里代码只实现基本功能，并未优化。
本文完。