haarcascade 优化参数函数

人脸检测分类器对比
序号 级联分类器的类型 XML文件名
1 人脸检测器（默认） haarcascade_frontalface_default.xml
2 人脸检测器（快速的Haar） haarcascade_frontalface_alt2.xml
3 人脸检测器（快速的LBP） lbpcascade_frontalface.xml
4 人脸检测器（Tree） haarcascade_frontalface_alt_tree.xml
5 人脸检测器（Haar_1） haarcascade_frontalface_alt.xml
　　　
　　　Haar特征，毫无疑问Haar特征用在人脸检测里具有里程碑式的意义。博主针对正面人脸分类器进行了实验，总共有4个，alt、alt2、alt_tree、default。对比下来发现alt和alt2的效果比较好，alt_tree耗时较长，default是一个轻量级的，经常出现误检测。针对alt和alt2两者，在同一个视频的对比中检测部分alt要略微好于alt2。
　　　
detectMultiScale函数
　　选择最终的人脸分类器后，若想在这个基础上继续优化，那就试试这个detectMultiScale函数。具体可以查看Opencv源码，下面给出这个函数的讲解：

void detectMultiScale(   
    const Mat& image,   
    CV_OUT vector<Rect>& objects,   
    double scaleFactor = 1.1,   
    int minNeighbors = 3,    
    int flags = 0,   
    Size minSize = Size(),   
    Size maxSize = Size()   
); 

函数介绍：
参数1：image–待检测图片，一般为灰度图像加快检测速度；
参数2：objects–被检测物体的矩形框向量组；
参数3：scaleFactor–表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;
参数4：minNeighbors–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。如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框；
参数5：flags–要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，函数将会使用Canny边缘检测来排除边缘过多或过少的区域， 因为这些区域通常不会是人脸所在区域；
参数6、7：minSize和maxSize用来限制得到的目标区域的范围。如果视频中误检到很多无用的小方框，那么就把minSize的尺寸改大一些，默认的为30*30。