c++ opencv Chapter8 - Face Detection

人脸识别实现，这里直接提供了模型文件，.xml文件，进行直接匹配就行，难度相对较小。

主要运用的函数是faceCascade.detectMultiScale(img,faces,scaleFactor=1.1,minNeighbors=10);

scaleFactor：
    因为图像的像素有大有小，图像中的人脸因为远近不同也会有大有小，
    所以需要通过scaleFactor参数设置一个缩小的比例，对图像进行逐步缩小来检测，
    这个参数设置的越大，计算速度越快，但可能会错过了某个大小的人脸

minNeighbors：

    只有其“邻居”大于等于这个值的结果才认为是正确结果。

设置scaleFactor=1.1,minNeighbors=10，出现脸部识别不全的结果图：

设置scaleFactor=1.1,minNeighbors=3，解决问题：

代码实现：

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/objdetect.hpp>
#include <iostream>



   Face Detection    ///
using namespace std;
using namespace cv;
void main() {
	string path = "D:\\visual studio\\c++ opencv\\image information\\R.jpg";
	Mat img = imread(path);
	CascadeClassifier faceCascade;
	faceCascade.load("Learn-OpenCV-cpp-in-4-Hours-main\\Resources\\haarcascade_frontalface_default.xml");

	if (faceCascade.empty())
	{
		cout << "XML file not loadeed" << endl;
	}

	vector<Rect>faces;
	faceCascade.detectMultiScale(img,faces,1.1,3);
	/*1.1scaleFactor
	因为图像的像素有大有小，图像中的人脸因为远近不同也会有大有小，
	所以需要通过scaleFactor参数设置一个缩小的比例，对图像进行逐步缩小来检测，
	这个参数设置的越大，计算速度越快，但可能会错过了某个大小的人脸
	minNeighbors参数10，只有其“邻居”大于等于这个值的结果才认为是正确结果。
	*/
	/*1.1,10
	而每次缩小1.1倍，所以导致识别出的结果较少。
	下面我让scaleFactor=1.1，minNeighbors=3，
	你会发现，当scaleFactor=1.03时，每个人脸被识别的次数都比上一组测试要多
	，因为每次缩小的比例小，迭代的次数就多了。看一下输出结果
	*/

	for (int i = 0;i < faces.size(); i++)
	{
		rectangle(img, faces[i].tl(), faces[i].br(), Scalar(255, 0, 255), 3);
	}

	namedWindow("Image", WINDOW_NORMAL);
	imshow("Image",img);
	waitKey(0);


}