级联检测器(cascade):通过弱分类器检测到的人脸再次进行多次弱分类器检测,最终得到的人脸检测结果的准确率就非常高了。
使用级联检测器前,需要有训练好的数据。
对象检测,检测的是什么对象由训练的数据决定
API:
void CascadeClassifier::detectMultiScale( // 在不同尺度空间检测 输入图像中不同大小的对象。 检测到的对象作为矩形列表返回
InputArray image, // 待检测的图像,CV_8U类型
CV_OUT std::vector<Rect>& objects, // 保存检测到的对象
double scaleFactor = 1.1, // 不同尺度空间之间的差距
int minNeighbors = 3, // 表示构成检测目标的相邻矩形的最小个数(默认为3个)。如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除
int flags = 0, // 忽略
Size minSize = Size(), // 最小尺寸,小于这个尺寸的不检测,默认检测所有小尺寸,minNeighbors 设的很大,这个就设小点,minNeighbors 设的很小,这个就设大点
Size maxSize = Size() // 最大尺寸,大于这个尺寸的不检测,默认检测所有大尺寸
);
代码:(图片)
#include <opencv2/opencv.hpp>
#include <opencv2/xfeatures2d.hpp>
#include<opencv2/face.hpp>
#include<iostream>
#include<math.h>
#include <string>
#include<fstream>
using namespace cv::face;
using namespace cv;
using namespace std;
using namespace cv::xfeatures2d;
int main() {
CascadeClassifier face_cascade; // 级联分类检测器
face_cascade.load("D:/opencv/build/etc/haarcascades/haarcascade_frontalface_alt.xml"); // 加载训练的数据
Mat src, gray;
src = imread("C:/Users/Administrator/Desktop/pic/HOG1.jpg");
cvtColor(src, gray, COLOR_BGR2GRAY);
equalizeHist(gray, gray);//直方图均值化,提升对比度,提升图像特征提取的准确率
imshow("src", src);
vector<Rect> faces;//保存检测到的人脸的矩形框