交互系统的构建之(四)手掌与拳头检测加盟TLD
zouxy09@qq.com
http://blog.csdn.net/zouxy09
人机交互系统的构建之(一)http://blog.csdn.net/zouxy09/article/details/7919618中提到我的整个交互系统包含以下部分: TLD系统、TTS语音合成、语音识别、手势和语音控制鼠标和键盘、运行前加入手掌的检测(这样就不用鼠标画目标box了)、拳头的检测等等。
目前已完成:
1、TLD系统的介绍与编译:
http://blog.csdn.net/zouxy09/article/details/7893022
2、TLD系统工作过程分析:
http://blog.csdn.net/zouxy09/article/details/7893026
3、重写Makefile编译TLD系统:
http://blog.csdn.net/zouxy09/article/details/7919618
4、Linux下鼠标和键盘的模拟控制:
http://blog.csdn.net/zouxy09/article/details/7920253
5、TTS技术简单介绍和Ekho(余音)TTS的安装与编程:
http://blog.csdn.net/zouxy09/article/details/7909154
6、TTS语音合成的添加:
http://blog.csdn.net/zouxy09/article/details/7921032
7、OpenCV中人脸检测Haar分类器分析(本文的手掌和拳头的检测也是基于这个的)
http://blog.csdn.net/zouxy09/article/details/7922923
8、计算机视觉目标检测的框架与过程分析
http://blog.csdn.net/zouxy09/article/details/7928771
本文将完成:
运行前加入手掌的检测,检测到手掌作为需要跟踪的目标(这样就不需要用鼠标框选目标box了)、运行时加入拳头的检测,检测到拳头,则表示用户单击。
有关于本系统构建的文章结构都会由三个部分来组织,一是该功能模块的介绍和在Linux下简单应用程序的实现;二是将该功能模块整合到交互系统(先以TLD为地基)中去;三是分析目前存在的问题与未来的解决构思。
一、手掌和拳头的检测原理和编程
1.1、原理
该部分使用到的手掌的检测是基于OpenCV的Haar+AdaBoost,而拳头检测是基于OpenCV的LBP+ AdaBoost;
检测的原理见:
http://blog.csdn.net/zouxy09/article/details/7922923
http://blog.csdn.net/zouxy09/article/details/7928771
关于目标检测的图像特征提取的分析,我也做了一个总结:
目标检测的图像特征提取之(一)HOG特征
http://blog.csdn.net/zouxy09/article/details/7929348
目标检测的图像特征提取之(二)LBP特征
http://blog.csdn.net/zouxy09/article/details/7929531
目标检测的图像特征提取之(三)Haar特征
http://blog.csdn.net/zouxy09/article/details/7929570
目前整体交互系统的检测过程我修改如下:
系统启动,语音会进行提示;然后先用拳头放进摄像头区域,然后张开手掌,系统就会检测到手掌,然后我提取检测到的手掌的一个方框,作为TLD需要跟踪的目标Bounding Box(不再需要鼠标去框选了),这样TLD就会跟踪这个手掌,用手掌去控制鼠标。然后再处理帧的过程中,会检测拳头,检测到拳头表示鼠标单击事件。但拳头检测并不是检测整张图像,为了提高检测速度,我这样处理:假设跟踪器跟踪到了手掌Box,那么这时候握拳的地方肯定在手掌box的附近,所以把这个手掌box稍微加大(为了稳定),把这个box框内的图像传给拳头检测器检测。
1.2、编程
在现在的OpenCV版本中,使用级联分类器做人脸检测的时候,有两种选择:一是使用老版本的CvHaarClassifierCascade,一是使用新版本的CascadeClassifier类。老版本的分类器只支持类Haar特征,而新版本的分类器既可以使用Haar,也可以使用LBP特征。
类CascadeClassifier中实际上封装了新旧两种分类器,对于老版本的xml模型文件,CascadeClassifier会用CvHaarClassifierCascade去解析,并用cvHaarDetectObjects去检测。而对于新版本的xml文件,CascadeClassifier会用自己的一套格式去解析。
使用起来很简单,只需要简单的几步:
//创建级联分类器对象
CascadeClassifier cascade;
//加载级联分类器
cascade.load( “haarcascade_frontalface_alt.xml” );
//转换成灰度图像
cvtColor( img, smallImg, CV_BGR2GRAY );
//可以先缩放灰度图像,再对图像进行直方图均衡
equalizeHist( smallImg, smallImg );
//检测
cascade.detectMultiScale( smallImg, objects, 1.1, 2, CV_HAAR_SCALE_IMAGE, Size(30, 30) );
检测函数是detectMultiScale,它的参数比较多。该函数以不同大小的窗口扫描输入图像寻找目标。
函数原型是: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为输入的灰度图像,objects为得到被检测物体的矩形框向量组,scaleFactor参数决定每两个不同大小的窗口之间有多大的跳跃,默认值为1.1,参数minNeighbors控制误检率,现实图像中的目标可能会被多次检测到,因为周围的像素和不同大小的窗口也会检测到目标。默认为3,表示至少有3次检测到目标,才认为是目标。flags对于新的分类器没有用(但目前的haar分类器都是旧版的,CV_HAAR_DO_CANNY_PRUNING利用Canny边缘检测器来排除一些边缘很少或者很多的图像区域,CV_HAAR_SCALE_IMAGE就是按比例正常检测,CV_HAAR_FIND_BIGGEST_OBJECT只检测最大的物体,CV_HAAR_DO_ROUGH_SEARCH只做初略检测),默认为0。minSize和maxSize用来限制得到的目标区域的范围,例如你的目标不会太小,也不会太大,所以太小和太大的区域就不用检测了。
OpenCV带了一个检测的例子:功能是检测人脸和人的双眼
http://opencv.itseez.com/doc/tutorials/objdetect/cascade_classifier/cascade_classifier.html
代码如下:
- #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;
-
-
- void detectAndDisplay( Mat frame );
-
-
- String face_cascade_name = "haarcascade_frontalface_alt.xml";
- String eyes_cascade_name = "haarcascade_eye_tree_eyeglasses.xml";
- CascadeClassifier face_cascade;
- CascadeClassifier eyes_cascade;
- string window_name = "Capture - Face detection";
- RNG rng(12345);
-
-
- int main( int argc, const char** argv )
- {
- CvCapture* capture;
- Mat frame;
-
-
- if( !face_cascade.load( face_cascade_name ) ){ printf("--(!)Error loading\n"); return -1; };
- if( !eyes_cascade.load( eyes_cascade_name ) ){ printf("--(!)Error loading\n"); return -1; };
-
-
- capture = cvCaptureFromCAM( -1 );
- if( capture )
- {
- while( true )
- {
- frame = cvQueryFrame( capture );
-
-
- if( !frame.empty() )
- { detectAndDisplay( frame ); }
- else
- { printf(" --(!) No captured frame -- Break!"); break; }
-
- int c = waitKey(10);
- if( (char)c == 'c' ) { break; }
- }
- }
- return 0;
- }
-
-
- void detectAndDisplay( Mat frame )
- {
- std::vector<Rect> faces;
- Mat frame_gray;
-
- cvtColor( frame, frame_gray, CV_BGR2GRAY );
- equalizeHist( frame_gray, frame_gray );
-
-
- face_cascade.detectMultiScale( frame_gray, faces, 1.1, 2, 0|CV_HAAR_SCALE_IMAGE, Size(30, 30) );
-
- 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 );
-
- Mat faceROI = frame_gray( faces[i] );
- std::vector<Rect> eyes;
-
-
- eyes_cascade.detectMultiScale( faceROI, eyes, 1.1, 2, 0 |CV_HAAR_SCALE_IMAGE, Size(30, 30) );
-
- for( int j = 0; j < eyes.size(); j++ )
- {
- Point center( faces[i].x + eyes[j].x + eyes[j].width*0.5, faces[i].y + eyes[j].y + eyes[j].height*0.5 );
- int radius = cvRound( (eyes[j].width + eyes[j].height)*0.25 );
- circle( frame, center, radius, Scalar( 255, 0, 0 ), 4, 8, 0 );
- }
- }
-
- imshow( window_name, frame );
另外,我的手掌和拳头的分类器都是别人弄好的了,效果也不错。
二、整合到TLD系统中
在run_tld.cpp中添加的代码如下:
-
- String fist_cascade = "c1_lbp_900_20.xml";
- String palm_cascade = "palmcascade2.xml";
- ……
- ……
-
- int detect_object( Mat& img, CascadeClassifier& cascade, vector<Rect> &objects, float scale)
- {
-
- Mat smallImg( cvRound (img.rows/scale), cvRound(img.cols/scale), CV_8UC1 );
-
- resize( img, smallImg, smallImg.size(), 0, 0, INTER_LINEAR );
- equalizeHist( smallImg, smallImg );
- cascade.detectMultiScale( smallImg, objects, 1.1, 2, CV_HAAR_SCALE_IMAGE, Size(30, 30) );
-
- return objects.size();
- }
-
-
- int detect_fist( Mat& img, CascadeClassifier& cascade, float scale)
- {
- vector<Rect> fists;
-
- detect_object( img, cascade, fists, scale);
- printf("the fist.size is---------------------------------%d \n", fists.size());
-
- return fists.size();
- }
-
-
- int detect_palm_first(Mat &img)
- {
- CascadeClassifier cascade;
- double scale = 1.3;
- vector<Rect> palms;
- Mat gray;
-
- if( !cascade.load( palm_cascade ) )
- {
- cerr << "ERROR: Could not load classifier cascade" << endl;
- return 0;
- }
-
-
- cvtColor( img, gray, CV_BGR2GRAY );
- detect_object( gray, cascade, palms, scale);
-
- if (!palms.size())
- return 0;
-
- box.width = cvRound( palms[0].width * scale * 0.7 );
- box.height = cvRound( palms[0].height * scale * 0.8 );
- box.x = cvRound(palms[0].x * scale + palms[0].width * scale * 0.15 );
- box.y = cvRound(palms[0].y * scale + palms[0].height * scale * 0.1 );
-
- gotBB = true;
- return 1;
- }
-
- ……
- ……
- main()函数
- {
- ……
- GETBOUNDINGBOX:
- while(!gotBB)
- {
- if (!fromfile) {
- capture >> frame;
- }
- else
- first.copyTo(frame);
- cvtColor(frame, last_gray, CV_RGB2GRAY);
-
- detect_palm_first(frame);
- drawBox(frame,box);
- imshow("TLD", frame);
- if (cvWaitKey(33) == 'q')
- return 0;
- }
- ……
- int load_cascade_success = 1;
- Rect detect_fist_box;
- double scale = 1.1;
-
- CascadeClassifier cascade;
- if( !cascade.load( fist_cascade ) )
- {
- cerr << "ERROR: Could not load classifier cascade" << endl;
- load_cascade_success = 0;
- }
-
- detect_fist_box.x = pbox.x - 40;
- if (detect_fist_box.x < 0)
- detect_fist_box.x = 0;
- detect_fist_box.y = pbox.y - 20;
- if (detect_fist_box.y < 0)
- detect_fist_box.y = 0;
- detect_fist_box.width = pbox.width + 80;
- if ((detect_fist_box.x + detect_fist_box.width) > 320)
- detect_fist_box.width = 320 - detect_fist_box.x;
- detect_fist_box.height = pbox.height + 40;
- if ((detect_fist_box.y + detect_fist_box.height) > 240)
- detect_fist_box.height = 240 - detect_fist_box.y;
- Mat temp = detect_gray(detect_fist_box);
- if (load_cascade_success )
- {
- if ( (detect_fist(temp, cascade, scale)) > 0 )
- {
- if (continue_fist == 0)
- simulate_key(fd_mouse, BTN_LEFT);
- continue_fist++;
- }
- else
- continue_fist = 0;
- }
- ……
系统集合后试验了一下,感觉还是挺不错的,呵呵!
三、目前存在的问题和解决构思
1、需不需要通过Opencv的手掌检测去加固TLD的手掌检测和跟踪?
2、单击的时候实际上是不属于TLD的跟踪轨迹的了,这对于系统是否存在影响?
3、其他的稳定性问题