原理:用分类器来识别人脸,加载opencv文件>source文件>haarcascade文件(这里使用haarcascade_frontalface_alt2.xml)。打开分类器之后,调用摄像头。(关于摄像头的调用,在第三篇博客)。设置好循环语句,将摄像头读取到的图片定义为原图,利用cvtColor将原图转换称灰度图来加速分类器的识别速度。最后将分类器识别的人脸用矩形方框标注即完成。
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/opencv.hpp>
#include <vector>
#include <cstdio>
using namespace std;
using namespace cv;
int main()
{
CascadeClassifier cascade;//加载分类器
cascade.load("D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml");//打开opencv中的source文件中的人脸分类器,括号内为所用分类器的路径
Scalar color = CV_RGB(255, 0, 0);//此条为了设置颜色,(255,0,0)是红色
// 红橙黄绿青蓝紫
//CV_RGB(255, 0, 0),
//CV_RGB(255, 97, 0),
//CV_RGB(255, 255, 0),
//CV_RGB(0, 255, 0),
//CV_RGB(0, 255, 255),
//CV_RGB(0, 0, 255),
//CV_RGB(160, 32, 240)
VideoCapture video(0);//此段是为了打开电脑自带的摄像头
if (!video.isOpened())
{
return -1;
}
Mat srcImage, grayImage;//分别定义好原图、灰度图
while (1)
{
video >> srcImage; //将摄像头数据流入原图
cvtColor(srcImage, grayImage, COLOR_BGR2GRAY); // 生成灰度图,提高检测效率(原图,灰度图,灰度设置)
vector<Rect> rect;
cascade.detectMultiScale(grayImage, rect, 1.3, 3, 0, cv::Size(100, 100)); // 分类器对象调用detectMultiScale函数,它可以检测出图片中所有的人脸,并将人脸用vector保存各个人脸的坐标、大小(用矩形表示)
//1.3代表前后两次扫描中的窗口的比例系数,搜索窗口的比例系数,每次搜索窗口依次扩大30%
//3表示检测目标的相邻矩形的最小个数为3
for (int i = 0; i < rect.size(); i++)//用循环语句绘制红色矩形
{
rectangle(srcImage, Rect(rect[0].x, rect[0].y, rect[0].width, rect[0].height), Scalar(0, 0, 255), 3);
}
imshow("input", srcImage);
waitKey(33);
}
waitKey(0);
return 0;
}
如果发现出现以下错误,可以试着将路径中的/改为\\双反斜杠
最终运行结果如下(只截取了其中一张的效果图)