通过三角形相似原理实现单目测距

      根据三角形相似原理计算相机焦距，公式为：F = (P * D) / W

      其中：

      F: 待求的相机的焦距

      P: 图像中目标的宽度，单位像素

      D: 真实目标与相机的距离，单位厘米

      W: 真实目标的宽度，单位厘米

      计算焦距前，首先要有一幅带目标的图像，这里以人脸为例，记下采集此幅图像时，相机与人脸的实际距离D，真实人脸的宽度W，通过HaarCascade计算人脸在图像中的宽度P。

      获取相机焦距后，再根据公式：D' = (F * W) / P 即可计算出此目标与相机的实时距离。

      测试代码如下：

namespace {

bool calculate_image_face_width(cv::CascadeClassifier& face_cascade, const char* image_name, int& P)
{
	cv::Mat bgr = cv::imread(image_name, 1);
	if (!bgr.data) {
		std::cerr << "Error: fail to imread: " << image_name << "\n";
		return false;
	}

	cv::Mat gray;
	cv::cvtColor(bgr, gray, cv::COLOR_BGR2GRAY);
	cv::equalizeHist(gray, gray);

	std::vector<cv::Rect> faces;
	face_cascade.detectMultiScale(gray, faces);

	//for (auto i = 0; i < faces.size(); ++i)
	//	cv::rectangle(bgr, faces[i], cv::Scalar(255, 0, 0), 1);
	//cv::imwrite("../../../data/result.jpg", bgr);

	if (faces.size() != 1) {
		std::cerr << "Error: faces size: " << faces.size() << "\n";
		return false;
	}

	P = faces[0].width;

	return true;
}

inline int  calculate_focal_length(int P, int D, int W)
{
	return ((P * D) / W);
}

inline int calculate_distance(int F, int W, int P)
{
	return ((F * W) / P);
}

} // namespace

int test_monocular_ranging_face_triangle_similarity()
{
#ifdef _MSC_VER
	constexpr char* file_name{ "../../../data/haarcascade_frontalface_alt.xml" };
	constexpr char* image_name{ "../../../data/images/face/1.jpg" };
#else
	constexpr char* file_name{ "data/haarcascade_frontalface_alt.xml" };
	constexpr char* image_name{ "data/images/face/1.jpg" };
#endif

	cv::CascadeClassifier face_cascade;
	if (!face_cascade.load(file_name)) {
		std::cerr << "Error: fail to load file:" << file_name << "\n";
		return -1;
	}

	auto P{ 0 };
	if (!calculate_image_face_width(face_cascade, image_name, P)) {
		std::cerr << "Error: fail to get_image_face_width\n";
		return -1;
	}
	std::cout << "the width of the face in the image: " << P << " pixels\n";

	constexpr int D{ 60 }, W{ 18 }; // cm
	const auto F = calculate_focal_length(P, D, W);
	std::cout << "focal length: " << F << "\n";

	cv::VideoCapture cap(1); // usb camera
	if (!cap.isOpened()) {
		std::cerr << "Error: fail to open capture\n";
		return -1;
	}

	cv::Mat gray;
	constexpr char* winn_ame{ "Monocular Ranging" };
	cv::namedWindow(winn_ame, 1);
	const std::string text{ "Distance = " };

	for (;;) {
		cv::Mat frame;
		cap >> frame; // get a new frame from camera
		cv::cvtColor(frame, gray, cv::COLOR_BGR2GRAY);
		cv::equalizeHist(gray, gray);

		std::vector<cv::Rect> faces;
		face_cascade.detectMultiScale(gray, faces);

		for (auto i = 0; i < faces.size(); ++i) {
			cv::rectangle(frame, faces[i], cv::Scalar(255,0,0), 1);

			P = faces[i].width;
			auto D2 = calculate_distance(F, W, P) / 100.; // m

			auto tmp = std::to_string(D2);
			auto pos = tmp.find(".");
			if (pos != std::string::npos)
				tmp = tmp.substr(0, pos+3);

			std::string content = text + tmp + " m";
			cv::putText(frame, content, cv::Point(faces[i].x, faces[i].y - 25), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 0, 255), 1);
		}

		cv::imshow(winn_ame, frame);
		if (cv::waitKey(30) >= 0)
			break;
	}

	return 0;
}

      说明：

      (1).通过OpenCV的cv::CascadeClassifier检测人脸；

      (2).函数calculate_image_face_width用于计算人脸在图像中的宽度；

      (3).函数calculate_focal_length用于计算相机焦距；

      (4).函数calculate_distance用于计算人脸与相机的距离。

      执行结果截图如下所示：原始图像来自于网络

      GitHub：https://github.com/fengbingchun/NN_Test