人脸检测一种主流的方法就是类haar+adaboosting,opencv中也是用的这种方法。这种方法可以推广到刚性物体的检测,前提是要训练好级联分类器(比如说用类haar特征),一旦训练数据弄好了,直接调用opencv中的类CascadeClassifier,用它的几个简单的成员函数就可以完成检测功能。所以说用起来还是很简单的。下面就是用的opencv中自带的samples中的facedetect例子。
当然,源例子考虑到了摄像头,视频,图片多种情况,还有很多出错处理的表达。这里我讲其代码都省略了,因为看起来不是特别简洁。否则还需要用命令行输入,比如说如下图:
要输入的东西比较多,如果一旦输入出错了,就会有如下显示:
所以为了方便,还是把代码简洁了下,改后的代码和注释如下:
1 // face_detect.cpp : 定义控制台应用程序的入口点。 2 // 3 4 #include "stdafx.h" 5 6 #include "opencv2/objdetect/objdetect.hpp" 7 #include "opencv2/highgui/highgui.hpp" 8 #include "opencv2/imgproc/imgproc.hpp" 9 #include "opencv2/ml/ml.hpp" 10 11 #include <iostream> 12 #include <stdio.h> 13 14 using namespace std; 15 using namespace cv; 16 17 void detectAndDraw( Mat& img, 18 CascadeClassifier& cascade, CascadeClassifier& nestedCascade, 19 double scale); 20 21 String cascadeName = "./haarcascade_frontalface_alt2.xml";//人脸的训练数据 22 //String nestedCascadeName = "./haarcascade_eye_tree_eyeglasses.xml";//人眼的训练数据 23 String nestedCascadeName = "./haarcascade_eye.xml";//人眼的训练数据 24 25 int main( int argc, const char** argv ) 26 { 27 Mat image; 28 CascadeClassifier cascade, nestedCascade;//创建级联分类器对象 29 double scale = 1.3; 30 31 //image = imread( "lena.jpg", 1 );//读入lena图片 32 image = imread("people_with_hands.png",1); 33 namedWindow( "result", 1 );//opencv2.0以后用namedWindow函数会自动销毁窗口 34 35 if( !cascade.load( cascadeName ) )//从指定的文件目录中加载级联分类器 36 { 37 cerr << "ERROR: Could not load classifier cascade" << endl; 38 return 0; 39 } 40 41 if( !nestedCascade.load( nestedCascadeName ) ) 42 { 43 cerr << "WARNING: Could not load classifier cascade for nested objects" << endl; 44 return 0; 45 } 46 47 if( !image.empty() )//读取图片数据不能为空 48 { 49 detectAndDraw( image, cascade, nestedCascade, scale ); 50 waitKey(0); 51 } 52 53 return 0; 54 } 55 56 void detectAndDraw( Mat& img, 57 CascadeClassifier& cascade, CascadeClassifier& nestedCascade, 58 double scale) 59 { 60 int i = 0; 61 double t = 0; 62 vector<Rect> faces; 63 const static Scalar colors[] = { CV_RGB(0,0,255), 64 CV_RGB(0,128,255), 65 CV_RGB(0,255,255), 66 CV_RGB(0,255,0), 67 CV_RGB(255,128,0), 68 CV_RGB(255,255,0), 69 CV_RGB(255,0,0), 70 CV_RGB(255,0,255)} ;//用不同的颜色表示不同的人脸 71 72 Mat gray, smallImg( cvRound (img.rows/scale), cvRound(img.cols/scale), CV_8UC1 );//将图片缩小,加快检测速度 73 74 cvtColor( img, gray, CV_BGR2GRAY );//因为用的是类haar特征,所以都是基于灰度图像的,这里要转换成灰度图像 75 resize( gray, smallImg, smallImg.size(), 0, 0, INTER_LINEAR );//将尺寸缩小到1/scale,用线性插值 76 equalizeHist( smallImg, smallImg );//直方图均衡 77 78 t = (double)cvGetTickCount();//用来计算算法执行时间 79
//检测人脸 //detectMultiScale函数中smallImg表示的是要检测的输入图像为smallImg,faces表示检测到的人脸目标序列,1.1表示 //每次图像尺寸减小的比例为1.1,2表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大 //小都可以检测到人脸),CV_HAAR_SCALE_IMAGE表示不是缩放分类器来检测,而是缩放图像,Size(30, 30)为目标的 //最小最大尺寸
84 cascade.detectMultiScale( smallImg, faces, 85 1.1, 2, 0 86 //|CV_HAAR_FIND_BIGGEST_OBJECT 87 //|CV_HAAR_DO_ROUGH_SEARCH 88 |CV_HAAR_SCALE_IMAGE 89 , 90 Size(30, 30) ); 91 92 t = (double)cvGetTickCount() - t;//相减为算法执行的时间 93 printf( "detection time = %g ms\n", t/((double)cvGetTickFrequency()*1000.) ); 94 for( vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++, i++ ) 95 { 96 Mat smallImgROI; 97 vector<Rect> nestedObjects; 98 Point center; 99 Scalar color = colors[i%8]; 100 int radius; 101 center.x = cvRound((r->x + r->width*0.5)*scale);//还原成原来的大小 102 center.y = cvRound((r->y + r->height*0.5)*scale); 103 radius = cvRound((r->width + r->height)*0.25*scale); 104 circle( img, center, radius, color, 3, 8, 0 ); 105 106 //检测人眼,在每幅人脸图上画出人眼 107 if( nestedCascade.empty() ) 108 continue; 109 smallImgROI = smallImg(*r); 110 111 //和上面的函数功能一样 112 nestedCascade.detectMultiScale( smallImgROI, nestedObjects, 113 1.1, 2, 0 114 //|CV_HAAR_FIND_BIGGEST_OBJECT 115 //|CV_HAAR_DO_ROUGH_SEARCH 116 //|CV_HAAR_DO_CANNY_PRUNING 117 |CV_HAAR_SCALE_IMAGE 118 , 119 Size(30, 30) ); 120 for( vector<Rect>::const_iterator nr = nestedObjects.begin(); nr != nestedObjects.end(); nr++ ) 121 { 122 center.x = cvRound((r->x + nr->x + nr->width*0.5)*scale); 123 center.y = cvRound((r->y + nr->y + nr->height*0.5)*scale); 124 radius = cvRound((nr->width + nr->height)*0.25*scale); 125 circle( img, center, radius, color, 3, 8, 0 );//将眼睛也画出来,和对应人脸的图形是一样的 126 } 127 } 128 cv::imshow( "result", img ); 129 }
运行lena图的效果如下:
运行有多个人图的效果图如下:
可以看出,在多人图中,并不是每个人脸都能检测出来。特别是在图片边界上的人脸,也就是被遮挡了部分的人脸,基本检测不出来。还有,在人眼不是特别正的情况下,完全检测不出来,也不知道具体什么原因,应该是opencv中自带是人眼数据库训练不够完全好。因为这些数据的训练确实是非常的麻烦。
作者:tornadomeet 出处:http://www.cnblogs.com/tornadomeet