Qt +opencv 通过级联分类器训练的模型进行识别（车辆识别+人脸识别）

有不对的或更好的方法欢迎交流

一些内容可参照这篇文章：https://blog.csdn.net/m0_64596200/article/details/126748697?spm=1001.2014.3001.5502
训练好的的模型：
车辆识别模型：https://download.csdn.net/download/m0_64596200/86507302?spm=1001.2014.3001.5503
人脸识别模型：https://download.csdn.net/download/m0_64596200/86509158?spm=1001.2014.3001.5503

如需讲解如何训练级联分类器模型请留言

人脸识别在最后面

车辆识别

1、为了提高检测效率首先进行灰度处理

cvtColor(frame,gray,CV_RGB2GRAY);
//视频画面可能过于高清
//再将灰度图再缩小一半
Mat smalling(cvRound(frame.rows/scale),cvRound(frame.cols/scale),CV_8UC1);
resize(gray,smalling,smalling.size(),0,0,INTER_LINEAR);

2、直方图均值化：将灰度后的图片黑白分明

    equalizeHist(smalling,smalling);

3、级联分类器检测出车辆进行保存再容器中

vector<Rect>cars;
//以矩形形状保存
cascade.detectMultiScale(smalling,cars,1.1,2,0|CV_HAAR_SCALE_IMAGE,Size(30,20));

4、绘制级联分类器识别出的物体

vector<Rect>::const_iterator iter;
for(iter=cars.begin();iter!=cars.end();iter++)
{
     //前面灰度是对图像进行了缩小，现在进行放大绘制矩形
     rectangle(frame,cvPoint(cvRound(iter->x*scale),cvRound(iter->y*scale)),cvPoint(cvRound((iter->x+iter->width)*scale),cvRound((iter->x+iter->height)*scale)),Scalar(250,200,500),2,8);
}

结果：

总结：绘制上可能需要小改。识别没有非常准确，只有look like，数据量不够，车辆的样式等不够全。级联分类器的正样本和负样本和训练时间、数据量的多少对准确度的影响

代码：

#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
void datectCarDaw(Mat &frame,CascadeClassifier cascade,double scale)
{
    Mat gray;
    cvtColor(frame,gray,CV_RGB2GRAY);
    //灰度图再缩小一半
    Mat smalling(cvRound(frame.rows/scale),cvRound(frame.cols/scale),CV_8UC1);
    //INTER_LINEAR线性变化
    resize(gray,smalling,smalling.size(),0,0,INTER_LINEAR);
    imshow("hui",smalling);
    //直方图均值化：将缩小的灰度图黑白分明
    //原图和保存对象
    equalizeHist(smalling,smalling);
    //检测级联分类器检测物体
    vector<Rect>cars;
    //以矩形形状保存
	cascade.detectMultiScale(smalling,cars,1.1,2,0|CV_HAAR_SCALE_IMAGE,Size(30,20));
    imshow("zhi",smalling);

    //绘制
    vector<Rect>::const_iterator iter;
    for(iter=cars.begin();iter!=cars.end();iter++)
    {
        //前面灰度是对图像进行了缩小，现在进行放大绘制矩形
        rectangle(frame,cvPoint(cvRound(iter->x*scale),cvRound(iter->y*scale)),cvPoint(cvRound((iter->x+iter->width)*scale),cvRound((iter->x+iter->height)*scale)),Scalar(250,200,500),2,8);
    }
    imshow("frame",frame);
}

int main()
{
    //级联分类器对象
    CascadeClassifier cascade;
    cascade.load("D:/QQ/cars.xml");
    Mat frame;
    VideoCapture cap("./carMove.mp4");
    while(cap.read(frame))
    {
        imshow("res",frame);
        datectCarDaw(frame,cascade,2);
        waitKey(25);
    }
    return 0;
}

人脸识别：

1、将路径cascade.load(“”);改成人脸识别级联分类器的路径
2、将vediocapture的参数数该为0（打开本机摄像头即可）
结果：