用opencv检测人眼并定位瞳孔位置

最新推荐文章于 2024-09-18 19:08:56 发布

IT修道者

最新推荐文章于 2024-09-18 19:08:56 发布

阅读量2.9w

点赞数 5

分类专栏： opencv 文章标签： opencv 人眼检测瞳孔检测人眼定位瞳孔定位

本文链接：https://blog.csdn.net/computerme/article/details/38142125

版权

opencv 专栏收录该内容

22 篇文章 3 订阅

订阅专栏

最近的研究要用到定位瞳孔的位置，所以上网搜了下相关的代码。总结如下：

1）定位瞳孔可以直接使用opencv中的自带的分类器（haarcascade_eye_tree_eyeglasses.xml）来实现，以前听师兄说用opencv自带的这个方法定位瞳孔不准，但我自己做了实验后发现在正面人脸的情况下定位还是很准确的，后面有图。分析了下原因，师兄是他之前实验时感觉不准有可能是他的Opencv版本还不是很高，我这里用的是opencv2.4.4，相信opencv也在它的后续版本中不断的优化它的Machine learning中相关库以提高准确率。

当然，在复杂情况下的人眼精准定位本身就是一个热门的研究课题。所以如果是复杂情况下的精准定位，opencv可能就没那么给力了。

2）用opencv中检测人脸、眼睛、嘴巴等都是用的CascadeClassifier分类器，具体使用时可以使用C的函数，也可以使用opencv中使用C++封装好的类。下面是它们检测目标时的函数形式（从opencv官网复制的）

C: CvSeq* cvHaarDetectObjects(const CvArr* image, CvHaarClassifierCascade* cascade,CvMemStorage* storage, double scale_factor=1.1, int min_neighbors=3, int flags=0, CvSize min_size=cvSize(0,0), CvSize max_size=cvSize(0,0) )

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())

这两者最大的区别在于，用C封装的函数要自己手动分配内存，而用C++的形式则不用自己去分配内存，这就是很多同学在网上找到的代码有些要分配内存，有些又不用分配内存的原因。显然C++的形式更简洁，所以我下面的代码也是用的C++的函数。

直接上代码，注意下面的haarcascade_eye_tree_eyeglasses.xml文件在opencv安装目录下的data文件夹中。

完整的代码在http://download.csdn.net/detail/computerme/7680383

<span style="font-size:14px;">#include "highgui.h"
#include "cv.h"
#include <iostream>
#include <stdio.h>

using namespace std;
using namespace cv;


void DetectAndDraw(IplImage* img, CascadeClassifier& cascade);

//String cascadeName = "haarcascade_frontalface_alt.xml";
String cascadeName = "haarcascade_eye_tree_eyeglasses.xml";//nestedCascadeName

int main( )
{
	CascadeClassifier cascade;
	cascade.load( cascadeName );
	cvNamedWindow( "result", 1 );

	IplImage* iplImg = cvLoadImage("1.jpg");

	DetectAndDraw( iplImg, cascade );

	cvWaitKey(0);

	cvDestroyWindow("result");

	return 0;
}


void DetectAndDraw(IplImage* img, CascadeClassifier& cascade)
{
	int i = 0;
	double t = 0;
	vector<Rect> faces;
	const static Scalar colors[] =  { CV_RGB(0,0,255),
		CV_RGB(0,128,255),
		CV_RGB(0,255,255),
		CV_RGB(0,255,0),
		CV_RGB(255,128,0),
		CV_RGB(255,255,0),
		CV_RGB(255,0,0),
		CV_RGB(255,0,255)} ;
	IplImage* gray = cvCreateImage(cvGetSize(img),8,1);
	cvCvtColor( img, gray, CV_BGR2GRAY );
	cvEqualizeHist( gray, gray );

	t = (double)cvGetTickCount();
	cascade.detectMultiScale( gray , faces,
		1.1, 2, 0
		//|CV_HAAR_FIND_BIGGEST_OBJECT
		//|CV_HAAR_DO_ROUGH_SEARCH
		|CV_HAAR_SCALE_IMAGE
		,
		Size(30, 30) );
	t = (double)cvGetTickCount() - t;
	printf( "detection time = %g ms\n", t/((double)cvGetTickFrequency()*1000.) );

	for( vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++, i++ )
	{
		Point center;
		Scalar color = colors[i%8];
		int radius;
		//center可以作为瞳孔的坐标
		center.x = cvRound(r->x + r->width*0.5);
		center.y = cvRound(r->y + r->height*0.5);
		//radius = (int)(cvRound(r->width + r->height)*0.25);
		radius =2;
		cvCircle( img, center, radius, color, 3, 8, 0 );
		cvShowImage( "result", img );
	}

	cvShowImage( "result", img );
}</span>

运行结果：