c++ opencv Chapter8 - Face Detection

文章讲述了在使用OpenCV进行人脸识别时,如何通过调整scaleFactor(图像缩小比例)和minNeighbors(邻域阈值)来提高识别完整度。通过将scaleFactor设置为1.1和minNeighbors设置为3,解决了识别不全的问题。
摘要由CSDN通过智能技术生成

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);


}

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值