人脸检测-opencv_haar

// FaceD.cpp : 
//
// 人脸检测C++版本
// Editor:LinJM
//

#include "stdafx.h"
#include <cstdio>
#include <cstdlib>
#include <Windows.h>
#include <vector>
#include <iostream>
#include <string>
#include <windows.h>
#include <opencv2\opencv.hpp>


using namespace std;
using namespace cv;

int _tmain(int argc, _TCHAR* argv[])
{

	//加载Haar特征检测分类器
	const string CascadeFileName = "D:\\Program Files\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_default.xml";
	CascadeClassifier cascade = CascadeClassifier::CascadeClassifier(CascadeFileName);//可以选择LBP特征。

	// 载入图像
//	const string pstrImageName = "E:\\人脸识别\\c++\\face_haar\\12.jpg";
	const string pstrImageName = "I:\\照片\\毕业照\\照片1\\IMG_20170620_091759.jpg";

	Mat SrcImage = imread(pstrImageName, CV_LOAD_IMAGE_COLOR);
	Mat GrayImage;
	imshow("原图",SrcImage);
	
	waitKey(10);


	cvtColor(SrcImage, GrayImage, CV_BGR2GRAY);

	// 人脸识别与标记
	if (!cascade.empty())  //测试检测器是否已加载
	{
		CvScalar FaceCirclecolors[] =
		{
			{ { 0, 0, 255 } },
			{ { 0, 128, 255 } },
			{ { 0, 255, 255 } },
			{ { 0, 255, 0 } },
			{ { 255, 128, 0 } },
			{ { 255, 255, 0 } },
			{ { 255, 0, 0 } },
			{ { 255, 0, 255 } }
		};

		vector<cv::Rect> faces;

		DWORD dwTimeBegin, dwTimeEnd;
		dwTimeBegin = GetTickCount();//GetTickCount是一种函数。GetTickCount返回（retrieve）从操作系统启动所经过（elapsed）的毫秒数，它的返回值是DWORD。
		// 识别
		cascade.detectMultiScale(GrayImage, faces,1.1,30,0,cv::Size(5,5));//参数给到60都可以识别
		dwTimeEnd = GetTickCount();
		
		cout << "人脸个数:" << faces.end() - faces.begin()
			<< "识别用时:" << dwTimeEnd - dwTimeBegin << "ms\n";
		// 标记
		int n = 0;
		for (vector<cv::Rect>::const_iterator i = faces.begin(); i <faces.end(); i++, n++)
		{
			Point center;
			int radius;
			center.x = cvRound((i->x + i->width * 0.5));
			center.y = cvRound((i->y + i->height * 0.5));
			radius = cvRound((i->width + i->height) * 0.25);
			circle(SrcImage, center, radius, FaceCirclecolors[n % 8], 2);
		}
	}
	namedWindow("人脸识别", CV_WINDOW_NORMAL);
	imshow("人脸识别", SrcImage);

	cvWaitKey(0);

	return 0;
}

函数解释：

opencv官方解释：https://docs.opencv.org/2.4.13/modules/objdetect/doc/cascade_classification.html?highlight=detectmultiscale

CascadeClassifier 
类CascadeClassifier 
级联分类器类用于对象检测

CascadeClassifier :: CascadeClassifier 
从文件加载分类器。

C ++：CascadeClassifier :: CascadeClassifier （常量字符串和文件名） 
Python：cv2。CascadeClassifier （[文件名] ） →<CascadeClassifier对象> 
参数：	filename - 加载分类器的文件的名称。

CascadeClassifier :: detectMultiScale 
检测输入图像中不同大小的对象。检测到的对象作为矩形列表返回。

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（））
Python：cv2.CascadeClassifier。detectMultiScale（图像[，比例因子[，minNeighbors [，旗帜[，minSize属性[，MAXSIZE ] ] ] ] ] ） →对象
Python：cv2.CascadeClassifier。detectMultiScale（ image，rejectLevels，levelWeights [，scaleFactor [，minNeighbors [，flags [，minSize [，maxSize [，outputRejectLevels ] ] ] ] ] ] ） →objects
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））
Python：cv。HaarDetectObjects （图像，级联，存储，scale_factor = 1.1，min_neighbors = 3，标志= 0，MIN_SIZE =（0，0） ） →detectedObjects 
参数：	
级联 - 哈尔分类器级联（仅OpenCV 1.x API）。它可以使用Load（）从XML或YAML文件加载。当级联不再需要时，使用cvReleaseHaarClassifierCascade（＆cascade）释放它。
图像 - CV_8U类型的矩阵， 其中包含检测对象的图像。
对象 - 矩形的矢量，其中每个矩形包含检测到的对象。
scaleFactor - 指定在每个图像比例缩小图像大小的参数。
minNeighbors - 指定每个候选矩形必须保留多少个邻居的参数。
标志 - 与旧函数cvHaarDetectObjects相同的参数。它不用于新的级联。
minSize - 最小可能的对象大小。小于这个值的对象被忽略。
maxSize - 最大可能的对象大小。大于此的对象将被忽略。
该功能与TBB库并行。

注意
（Python）使用级联分类器的人脸检测示例可以在opencv_source_code / samples / python2 / facedetect.py