OpenCV 级联检测器Cascadedetect人脸检测源码理解与分析

OpenCV的级联分类器分为两部分，训练与检测。训练那块代码在apps目录下，有旧分类器haartraining和新分类器traincascade各自的代码。目前没去看，训练用OpenCV给的程序目前就足够了。

检测这块代码在以下3个文件中

E:\opencv\sources\modules\objdetect\include\opencv2\objdetect\objdetect.hpp;

定义了旧分类器计算Haar特征值的结构体：

CvHaarFeature（Haar特征结构体），

CvHaarClassifier（Haar特征分类器结构体），

CvHaarStageClassifier（Haar强分类器结构体），

CvHaarClassifierCascade（Haar强分类器级联结构体）

定义了类：

FeatureEvaluator（特征值计算类，新分类器使用），

CascadeClassifier（级联分类器）类

E:\opencv\sources\modules\objdetect\src\cascadedetect.hpp

定义了类，以下几个类都是继承自FeatureEvaluator：

HaarEvaluator（Haar特征值计算类），

LBPEvaluator（LBP特征值计算类），

HOGEvaluator（HOG特征值计算类）

定义了函数：

predictOrdered（计算并验证是否通过级联强分类器）

predictCategorical

predictOrderedStump

predictCategoricalStump

E:\opencv\sources\modules\objdetect\src\cascadedetect.cpp

检测时首先调用CascadeClassifier::load(const string& filename)函数载入分类器xml文件，如果是旧分类器，将xml中的信息读取到Ptr<CvHaarClassifierCascade> oldCascade保护变量中，否则读入到强级联分类器数据类对象Data中，根据特征创建对应的特征计算类，得到指针Ptr<FeatureEvaluator> featureEvaluator的值，Data对象定义如下

//CascadeClassifier的Protected保护子类

class Data
    {
    public:
        struct CV_EXPORTS DTreeNode //节点
        {
            int featureIdx; //对应的特征编号
            float threshold; // for ordered features only节点阈值
            int left; //左子树
            int right; //右字树
        };

        struct CV_EXPORTS DTree //弱分类器
        {
            int nodeCount;
        };

        struct CV_EXPORTS Stage //强分类器
        {
            int first; //在classifier中的起始位置
            int ntrees; //该强分类器中的弱分类器数
            float threshold; //强分类器阈值
        };

        bool read(const FileNode &node); //读取强分类器
        bool isStumpBased; //是否只有树桩

        int stageType; //BOOST，boostType:GAB、RAB等
        int featureType; //HAAR、HOG、LBP
        int ncategories; //maxCatCount,LBP为256，其余为0
        Size origWinSize;

        vector<Stage> stages;
        vector<DTree> classifiers;
        vector<DTreeNode> nodes;
        vector<float> leaves;
        vector<int> subsets;
    };

Data data; //CascadeClassifier的保护子类对象成员，存放强级联分类器数据。

 

CascadeClassifier有两个多尺度检测函数的实现（如下），读取xml后可以调用这两个函数进行级联强分类器检测（使用不同的xml就是不同的检测，如人脸检测，眼睛，鼻子，嘴巴等检测）

CV_WRAP virtual void detectMultiScale( const Mat& image,//图像，

        CV_OUT vector<Rect>& objects,//输出矩形框

        double scaleFactor=1.1, //缩放比例，必须大于1

        int minNeighbors=3 ,//合并窗口最小间距，每个候选矩阵至少需要包含的附近元素个数（一个目标至少要检测多少次）
        int flags=0, //检测标记，只对旧格式分类器有效，CV_HAAR_DO_CANNY_PRUNING(canny边缘检测) 

| CV_HAAR_SCALE_IMAGE(缩放图像,旧分类器必须选这个)

|CV_HAAR_FIND_BIGGEST_OBJECT(寻找最大目标)

  |CV_HAAR_DO_ROUGH_SEARCH(做粗略搜索) **如果寻找最大目标就不能缩放图像和canny检测。
       Size minSize=Size(), //最小检测目标
       Size maxSize=Size() ); //最大检测目标

CV_WRAP virtual void detectMultiScale( const Mat& image,

       CV_OUT vector<Rect>& objects,
       vector<int>& rejectLevels, //一个检测目标未通过的最后几个级数
       vector<double>& levelWeights,//未通过的那个强分类器CART树叶子节点值累加和（小于该强分类器阈值）
       double scaleFactor=1.1,
       int minNeighbors=3, int flags=0,
       Size minSize=Size(),
</