【OpenCV人脸识别2】从视频中检测人脸

最新推荐文章于 2021-03-14 10:05:00 发布
最新推荐文章于 2021-03-14 10:05:00 发布
阅读量1.4k 收藏 5
点赞数
分类专栏： ------OpenCV------ 文章标签： OpenCV 人脸识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Aidam_Bo/article/details/84800533
版权

分为两步：

  1. 从视频中识别人脸和人的眼睛
  2. 从视频中检测人脸、眼睛、鼻子、嘴巴

 

1.从视频中识别人脸和人的眼睛

    关于视频的操作，主要如下：

    定义摄像头->打开摄像头->读取视频帧->转而为对图片的操作（一帧就相当于一幅图片）

VideoCapture capture; //定义摄像头捕捉 变量
Mat frame; 
capture.open(0); //打开摄像头
while (capture.read(frame)) //读取帧
{
//进行人脸检测
//显示
}

视频人脸检测的代码：

//face_detect_from_video.cpp 定义控制台应用程序的入口点。
//从视频中识别人脸和人的眼睛
#include "stdafx.h"
#include "opencv2/objdetect.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
 
#include <stdio.h>
 
using namespace std;
using namespace cv;
 
/** Function Headers */
void detectAndDisplay(Mat frame);
 
/** Global variables */
String face_cascade_name, eyes_cascade_name;
CascadeClassifier face_cascade;
CascadeClassifier eyes_cascade;
String window_name = "Capture - Face detection";
 
/** @function main */
int main(int argc, const char** argv)
{
    face_cascade_name = "./xml/haarcascade_frontalface_alt.xml";
    eyes_cascade_name = "./xml/haarcascade_eye.xml";
    VideoCapture capture;
    Mat frame;
 
    //-- 1. Load the cascades
    if (!face_cascade.load(face_cascade_name)) { printf("--(!)Error loading face cascade\n"); return -1; };
    if (!eyes_cascade.load(eyes_cascade_name)) { printf("--(!)Error loading eyes cascade\n"); return -1; };
 
    //-- 2. Read the video stream
    capture.open(0); //打开摄像头
    if (!capture.isOpened()) { printf("--(!)Error opening video capture\n"); return -1; }
 
    while (capture.read(frame)) //读取帧
    {
        if (frame.empty())
        {
            printf(" --(!) No captured frame -- Break!");
            break;
        }
 
        //-- 3. Apply the classifier to the frame
        detectAndDisplay(frame);
 
        if (waitKey(10) == 'k') { break; } // escape
    }
    return 0;
}
 
/** @function detectAndDisplay */
void detectAndDisplay(Mat frame)
{
    std::vector<Rect> faces;
    Mat frame_gray;
 
    cvtColor(frame, frame_gray, COLOR_BGR2GRAY);  //BGR 转化为灰度图
    equalizeHist(frame_gray, frame_gray);   //直方图均衡化
 
    //-- Detect faces
    face_cascade.detectMultiScale(frame_gray, faces, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(60, 60));
 
    for (size_t i = 0; i < faces.size(); i++)
    {
        Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2); // 人脸中心坐标
        ellipse(frame, center, Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0); // 椭圆
        Mat faceROI = frame_gray(faces[i]);
        std::vector<Rect> eyes;
 
        //-- In each face, detect eyes
        eyes_cascade.detectMultiScale(faceROI, eyes, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));
 
        for (size_t j = 0; j < eyes.size(); j++)
        {
            Point eye_center(faces[i].x + eyes[j].x + eyes[j].width / 2, faces[i].y + eyes[j].y + eyes[j].height / 2); //眼睛的中心
            int radius = cvRound((eyes[j].width + eyes[j].height)*0.25); //取整
            circle(frame, eye_center, radius, Scalar(255, 0, 0), 4, 8, 0);
        }
    }
    //-- Show what you got
    imshow(window_name, frame);
}

    运行结果：

         丑拒(#^.^#)

 

2. 从视频中检测人脸、眼睛、鼻子、嘴巴

将上述第一部分的从视频中识别人脸和眼睛，再加上鼻子、嘴巴等的识别，可实现从视频中检测人脸特征。

代码如下：

//face_recog_from_video.cpp 定义控制台应用程序的入口点。
 
#include "stdafx.h"
#include "opencv2/objdetect.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
 
#include <stdio.h>
#include<iostream>
using namespace std;
using namespace cv;
 
/** Function Headers */
void detectAndDisplay(Mat frame);
 
/** Global variables */
String face_cascade_name, eyes_cascade_name, nose_cascade_name , mouth_cascade_name;
CascadeClassifier face_cascade;
CascadeClassifier eyes_cascade;
CascadeClassifier nose_cascade;
CascadeClassifier mouth_cascade;
String window_name = "Capture - Face detection";
 
/** @function main */
int main(int argc, const char** argv)
{
    face_cascade_name = "./xml/haarcascade_frontalface_alt.xml";
    eyes_cascade_name = "./xml/haarcascade_eye.xml";
    nose_cascade_name = "./xml/haarcascade_mcs_nose.xml";
    mouth_cascade_name = "./xml/haarcascade_mcs_mouth.xml";
 
    VideoCapture capture;
    Mat frame;
 
    //-- 1. Load the cascades
    if (!face_cascade.load(face_cascade_name)) { printf("--(!)Error loading face cascade\n"); return -1; };
    if (!eyes_cascade.load(eyes_cascade_name)) { printf("--(!)Error loading eyes cascade\n"); return -1; };
    if (!nose_cascade.load(nose_cascade_name)) { printf("--(!)Error loading nose cascade\n"); return -1; };
    if (!mouth_cascade.load(mouth_cascade_name)) { printf("--(!)Error loading mouth cascade\n"); return -1; };
 
    //-- 2. Read the video stream
    capture.open(0); //打开摄像头
    if (!capture.isOpened()) { printf("--(!)Error opening video capture\n"); return -1; }
 
    while (capture.read(frame)) //读取帧
    {
        if (frame.empty())
        {
            printf(" --(!) No captured frame -- Break!");
            break;
        }
 
        //-- 3. Apply the classifier to the frame
        detectAndDisplay(frame);
 
        if (waitKey(10) == 'k') { break; } // escape
    }
    return 0;
}
 
/** @function detectAndDisplay */
void detectAndDisplay(Mat frame)
{
    std::vector<Rect> faces;
    Mat frame_gray;
 
    cvtColor(frame, frame_gray, COLOR_BGR2GRAY);  //BGR 转化为灰度图
    equalizeHist(frame_gray, frame_gray);   //直方图均衡化
 
                                            //-- Detect faces
    face_cascade.detectMultiScale(frame_gray, faces, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(60, 60));
 
    for (size_t i = 0; i < faces.size(); i++)
    {
        Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2); // 人脸中心坐标
        ellipse(frame, center, Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0); // 椭圆
        Mat faceROI = frame_gray(faces[i]);
        std::vector<Rect> eyes;
        std::vector<Rect> noses;
        std::vector<Rect> mouths;
 
        //-- In each face, detect eyes、nose、mouth
        eyes_cascade.detectMultiScale(faceROI, eyes, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));
        nose_cascade.detectMultiScale(faceROI, noses, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));
        mouth_cascade.detectMultiScale(faceROI, mouths, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));
 
        // eyes
        Point eye_center;
        for (size_t j = 0; j < eyes.size(); j++)
        {
            eye_center = Point(faces[i].x + eyes[j].x + eyes[j].width / 2, faces[i].y + eyes[j].y + eyes[j].height / 2); //眼睛的中心
            if (eye_center.x>faces[i].x && eye_center.y > faces[i].y) // 确保眼睛在脸上，其实前边检测时，已经保证了这一点
            {
                int radius = cvRound((eyes[j].width + eyes[j].height)*0.25); //取整
                circle(frame, eye_center, radius, Scalar(255, 0, 0), 4, 8, 0);
            }
        }
        // nose
        Point nose_center;
        if (noses.size() > 0)
        {
            nose_center = Point(faces[i].x + noses[0].x + noses[0].width / 2, faces[i].y + noses[0].y + noses[0].height / 2); //鼻子的中心
            if (nose_center.y > eye_center.y) //确保鼻子在眼睛下边
            {
                rectangle(frame, Point(faces[i].x + noses[0].x, faces[i].y+ noses[0].y), Point(faces[i].x + noses[0].x + noses[0].width, faces[i].y + noses[0].y + noses[0].height), Scalar(0, 255, 0), 3, 8, 0); //Point(noses[0].x, noses[0].y), Point(noses[0].x + noses[0].width, noses[0].y + noses[0].height)
                //int radius = cvRound((noses[0].width + noses[0].height)*0.25); //取整
                //circle(frame, nose_center, radius, Scalar(0, 255,0), 4, 8, 0);
                std::cout << "nose!\n";
            }
        }
        // mouth
        if (mouths.size() > 0)
        {
            Point mouth_center(faces[i].x + mouths[0].x + mouths[0].width / 2, faces[i].y + mouths[0].y + mouths[0].height / 2); //嘴巴的中心
            if (mouth_center.y > nose_center.y) // 确保嘴巴在鼻子下边
            {
                int radius = cvRound((mouths[0].width + mouths[0].height)*0.25); //取整
                circle(frame, mouth_center, radius, Scalar(0, 0, 255), 4, 8, 0);
                std::cout << "mouth!\n";
            }
            
        }
    }
    //-- Show what you got
    imshow(window_name, frame);
}

    运行结果：

            丑拒(#^.^#)

    由结果可看出，较好的检测出来人脸及人脸特征，其中，粉色区域为face、蓝色为eye、绿色为nose、红色为mouth。    

 但多次试验会发现，误判的概率很高，所以模型与程序尚有较大改进空间。

 注意：要对眼睛嘴巴鼻子的位置进行限定，可一定程度上减少误判。



 

ooMelloo
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
opencv人脸识别（c++实现）
10-16
https://blog.csdn.net/qq_32768679/article/details/96432354这篇文章很详细了。实现了实现人脸检测软体，集采集、训练、识别为一体。所传资源是除去界面外的部分，分别为采集、训练、预测。
检测视频中人数_人脸识别_OPENCV_C++
04-14
检测视频中人数_人脸识别_OPENCV_C++
视频流实时人脸检测Filter
06-20
在win10+Windows SDK7.1+opencv2.4.13环境使用libfacedetection库对视频流中的人脸进行实时监测。
视频中的人脸识别（包含爬虫一整套代码）
08-21
视频人脸检测-python实现-实时识别人物-利用keras库训练人脸识别模型-含爬虫-以及图片处理
视频（摄像头）中的人脸检测
11-30
可将视频看作是一帧帧的图片，对每一帧进行上述的图片检测即可，不断循环。
使用OpenCV通过摄像头捕获实时视频并探测人脸
weixin_33752045的博客
08-20 425
在Opencv初接触，图片的基本操作这篇手记中，我介绍了一些图片的基本操作，视频可以看作是一帧一帧的图片，因此图片操作其实是视频操作的基础，这篇手记就来讲讲OpenCV中的视频操作，并实现一个用笔记本自带的摄像头探测人脸的小功能，最后会把人脸提取出来并保存，作为后续用卷积神经网络进行人脸识别的训练数据。 本地视频读取 OpenCV中是通过创建一个VideoCapture对象来捕获视频，这里先以...
OpenCV——通过摄像头捕获实时视频并探测人脸、准备人脸数据
简简单单的学习笔记，致力于帮助更多前进路上的朋友~
01-28 5716
通过摄像头捕获实时视频并探测人脸、准备人脸数据，可用于人脸识别神经网络中数据的准备。
给OpenCV初学者的礼物——OpenCV人脸检测入门教程
小白学视觉
03-14 311
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达 本文转自 | 机器学习算法那些事前言OpenCV是一种经常被用到的计算机视觉库。然而，它的文档是只用...
【opencv人脸识别2】从视频中检测人脸
gogo小Sa的专栏
05-21 1万+
【opencv人脸识别】从视频中检测人脸 1.从视频中识别人脸和人的眼睛 2. 从视频中检测人脸、眼睛、鼻子、嘴巴 上一节，讲了如何从图片中检测人脸，这一节讲如何从视频中检测人脸。在opencv自带的说明中便有从视频中检测人脸的例子，在..\opencv3_4\opencv\sources\samples\cpp\tutorial_code\objectDet...
OpenCV学习-视频的读取和写入保存(附代码)
zbr794866300的博客
10-07 1788
一.视频的读取 视频其实是由一帧帧图像所组成的,当帧率超过一个阈值就成了视频,opencv中通过VideoCapture类来实现视频的读入: 1.打开视频或从设备中获取图像 两种方法: VideoCapture capture("../xx.avi"); //打开指定路径下的video capture.open("../xx.avi"); // 2.获取视频帧的方法有四种: ca...
opencv3视频中检测人脸python
06-08
opencv3视频中检测人脸python 检测视频中主播人脸
基于opencv的人脸识别和口罩检测
05-18
基于opencv的人脸识别和口罩检测，附有代码和报告，运用PCA和LBP等算法和处理方法。 基于opencv的人脸识别和口罩检测，附有代码和报告，运用PCA和LBP等算法和处理方法。 基于opencv的人脸识别和口罩检测，附有代码和报告，运用PCA和LBP等算法和处理方法。 基于opencv的人脸识别和口罩检测，附有代码和报告，运用PCA和LBP等算法和处理方法。 基于opencv的人脸识别和口罩检测，附有代码和报告，运用PCA和LBP等算法和处理方法。 基于opencv的人脸识别和口罩检测，附有代码和报告，运用PCA和LBP等算法和处理方法。 基于opencv的人脸识别和口罩检测，附有代码和报告，运用PCA和LBP等算法和处理方法。 基于opencv的人脸识别和口罩检测，附有代码和报告，运用PCA和LBP等算法和处理方法。 基于opencv的人脸识别和口罩检测，附有代码和报告，运用PCA和LBP等算法和处理方法。 基于opencv的人脸识别和口罩检测，附有代码和报告，运用PCA和LBP等算法和处理方法。基于opencv的人脸识别和口罩检测，附有代码和报告，运用PCA和LBP等算法和
视频流中的人脸跟踪以及眼睛定位
03-31
用OPENCV写的，非常好用，需要在VC的支持下运行，
springboot +opencv 人脸识别
04-01
springboot +opencv 人脸识别
opencv 人脸识别
08-31
基于opencv实现的人脸识别，可以通过摄像头获取所要识别的人脸
OpenCV总结：实现马赛克和毛玻璃滤镜效果
热门推荐
YBAdiam的博客
01-06 2万+
一、马赛克效果 马赛克的实现原理是把图像上某个像素点一定范围邻域内的所有点用邻域内随机选取的一个像素点的颜色代替，这样可以模糊细节，但是可以保留大体的轮廓。 先来张倪美人的镇楼照： 以下OpenCV程序实现马赛克效果，通过鼠标左键在图像上划定马赛克的矩形框。 #include &lt;core\core.hpp&gt; #include &lt;highgui\highgui.hpp...
Linux 完全卸载重装opencv
YBAdiam的博客
11-25 1万+
一、完全卸载opencv 1. 先到opencv编译安装的目录下 sudo make uninstall cd .. sudo rm -r build 2.上面最后一行命令有的文件夹不存在会有提示，但是不影响，只要把已安装的opencv的include和lib删掉就行，也可以手动删除，总之删除干净即可。 sudo rm -r /usr/local/include/opencv2 /usr/local/include/opencv /usr/include/opencv /usr/i.
OpenGL和OpenCV的区别
YBAdiam的博客
10-17 6532
OpenCV/OpenCL/OpenGL区别与联系： 区别 OpenGL（Open Graphics Library，开放图像库）是个定义了一个跨编程语言、跨平台的应用程序接口（API）的规格，它用于生成二维、三维图像。这个接口由近三百五十个不同的函数调用组成，用来从简单的图形比特绘制复杂的三维景象。而另一种程序接口系统是仅用于Microsoft Windows上的Direct3D。OpenG...
OpenCV像素二位数组数据（矩阵）生成图片
YBAdiam的博客
11-20 4132
    刚开始接触到OpenCV，本身是想学借助OpenCV的库来进行图像处理学习的，后来发现OpenCV将所有的东西都集成起来了，对于打算学习图像处理来说这样反而不是什么好事；     在我看来，图像处理基本基于对像素值的处理，那么我们尽可能的用数组来存储像素值，对于OpenCV来说不便于按照我们的做法来对图片进行处理。但是OpenCV给我们集成了cv::Mat::at这样一个结构，用于读取图...
OpenCV人脸识别
最新发布
03-23
OpenCV人脸识别主要基于以下几个步骤： 1. 人脸检测：使用Haar级联分类器或深度学习模型（如基于卷积神经网络的模型）来检测图像中的人脸位置。 2. 人脸对齐：将检测到的人脸进行对齐，使得人脸在图像中的位置和角度...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值