基于qt和opencv3人脸检测

第一步：opencv里面人脸检测的方法

在opencv中，人脸检测用的是harr或LBP特征，分类算法用的是adaboost算法。这种算法需要提前训练大量的图片，非常耗时，因此opencv已经训练好了，把训练结果存放在一些xml文件里面。

 

上图中文件夹的名字“haarcascades”、“hogcascades”和“lbpcascades”分别表示通过“haar”、“hog”和“lbp”三种不同的特征而训练出的分类器：即各文件夹里的文件。"haar"特征主要用于人脸检测，“hog”特征主要用于行人检测，“lbp”特征主要用于人脸识别。打开“haarcascades”文件夹，如下图所示

 

图中的XML文件即是我们人脸检测所需要的分类器文件。在实际使用中，推荐使用上图中被标记的“haarcascade_frontalface_alt2.xml”分类器文件，准确率和速度都比较好。
第二步：用的类与函数

人脸检测主要用到的是CascadeClassifier这个类，以及该类下的detectMultiScale函数。

函数原型是：
 

void CascadeClassifier::detectMultiScale(InputArray image, vector<Rect>& objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())

总共有7个参数，分别是

第一个参数image:  要检测的图片，一般为灰度图

第二个参数objects:  Rect型的容器，存放所有检测出的人脸，每个人脸是一个矩形

第三个参数scaleFactor:  缩放因子，对图片进行缩放，默认为1.1

第四个参数minNeighbors： 最小邻居数，默认为3

第五个参数flags:  兼容老版本的一个参数，在3.0版本中没用处。默认为0

第六个参数minSize: 最小尺寸，检测出的人脸最小尺寸

第七个参数maxSize： 最大尺寸，检测出的人脸最大尺寸

第三步：程序

#include<opencv2/objdetect/objdetect.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include <iostream>
using namespace std;
using namespace cv;
 
int main()
{
    string xmlPath="/home/xyl/opencv/data/haarcascades/haarcascade_frontalface_alt2.xml";
    CascadeClassifier ccf;   //创建分类器对象
    Mat img=imread("1.jpg");
    if(!ccf.load(xmlPath))   //加载训练文件
    {
        cout<<"不能加载指定的xml文件"<<endl;
        return 0;
    }
    vector<Rect> faces;  //创建一个容器保存检测出来的脸
    Mat gray;
    cvtColor(img,gray,CV_BGR2GRAY); //转换成灰度图，因为harr特征从灰度图中提取
    equalizeHist(gray,gray);  //直方图均衡行
    ccf.detectMultiScale(gray,faces,1.1,3,0,Size(10,10),Size(100,100)); //检测人脸
    for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++)
    {
        rectangle(img,*iter,Scalar(0,0,255),2,8); //画出脸部矩形
    }
    imshow("faces",img);
    waitKey(0);
    return 1;
}

第四步：运行程序，出现的效果