OpenCV人脸识别入门之人脸检测

本篇文章主要介绍了如何使用OpenCV实现人脸检测。本文不具体讲解人脸检测的原理，直接使用OpenCV实现。

OpenCV版本：2.4.10；VS开发版本：VS2012。

一、OpenCV人脸检测

要实现人脸识别功能，首先要进行人脸检测，判断出图片中人脸的位置，才能进行下一步的操作。

1、OpenCV人脸检测的方法

在OpenCV中主要使用了两种特征（即两种方法）进行人脸检测，Haar特征和LBP特征。

在OpenCV中，使用已经训练好的XML格式的分类器进行人脸检测。在OpenCV的安装目录下的sources文件夹里的data文件夹里可以看到下图所示的内容：

上图中文件夹的名字“haarcascades”、“hogcascades”和“lbpcascades”分别表示通过“haar”、“hog”和“lbp”三种不同的特征而训练出的分类器：即各文件夹里的文件。"haar"特征主要用于人脸检测，“hog”特征主要用于行人检测，“lbp”特征主要用于人脸识别。打开“haarcascades”文件夹，如下图所示

图中的XML文件即是我们人脸检测所需要的分类器文件。在实际使用中，推荐使用上图中被标记的“haarcascade_frontalface_alt2.xml”分类器文件，准确率和速度都比较好。

2、OpenCV中的人脸检测的类

在OpenCV中，使用类“CascadeClassifier”进行人脸检测

[cpp]  view plain  copy

1. CascadeClassifier faceCascade;   //实例化对象  

所需要使用的函数：

[cpp]  view plain  copy

1. faceCascade.load("../data/haarcascade_frontalface_alt2");  //加载分类器  
2. faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0));  //多尺寸检测人脸  

实现人脸检测主要依赖于detectMultiScale()函数，下面简单说一下函数参数的含义，先看函数原型：

[cpp]  view plain  copy

1. CV_WRAP virtual void detectMultiScale( const Mat& image,  
2.                                    CV_OUT vector<Rect>& objects,  
3.                                    double scaleFactor=1.1,  
4.                                    int minNeighbors=3, int flags=0,  
5.                                    Size minSize=Size(),  
6.                                    Size maxSize=Size() );  

各参数含义：

• const Mat& image: 需要被检测的图像（灰度图）
• vector<Rect>& objects: 保存被检测出的人脸位置坐标序列
• double scaleFactor: 每次图片缩放的比例
• int minNeighbors: 每一个人脸至少要检测到多少次才算是真的人脸
• int flags： 决定是缩放分类器来检测，还是缩放图像
• Size(): 表示人脸的最大最小尺寸

二、代码实现

1、检测图片中的人脸

[cpp]  view plain  copy

1. //头文件  
2. #include<opencv2/objdetect/objdetect.hpp>  
3. #include<opencv2/highgui/highgui.hpp>  
4. #include<opencv2/imgproc/imgproc.hpp>  
5.   
6. using namespace cv;  
7.   
8. //人脸检测的类  
9. CascadeClassifier faceCascade;  
10.   
11. int main()  
12. {  
13.     faceCascade.load("../data/haarcascade_frontalface_alt2.xml");   //加载分类器，注意文件路径  
14.   
15.     Mat img = imread("../data/PrettyGirl.jpg");  
16.     Mat imgGray;  
17.     vector<Rect> faces;  
18.   
19.     if(img.empty())  
20.     {  
21.       return 1;  
22.     }  
23.   
24.     if(img.channels() ==3)  
25.     {  
26.        cvtColor(img, imgGray, CV_RGB2GRAY);  
27.     }  
28.     else  
29.     {  
30.        imgGray = img;  
31.     }  
32.   
33.     faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0));   //检测人脸  
34.   
35.     if(faces.size()>0)  
36.     {  
37.        for(int i =0; i<faces.size(); i++)  
38.        {  
39.            rectangle(img, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height),   
40.                            Scalar(0, 255, 0), 1, 8);    //框出人脸位置  
41.        }  
42.     }  
43.   
44.     imshow("FacesOfPrettyGirl", img);  
45.   
46.     waitKey(0);  
47.     return 0;  
48. }  

结果如下图：

2、检测视频中的人脸

[cpp]  view plain  copy

1. //头文件  
2. #include<opencv2/objdetect/objdetect.hpp>  
3. #include<opencv2/highgui/highgui.hpp>  
4. #include<opencv2/imgproc/imgproc.hpp>  
5.   
6. using namespace cv;  
7.   
8. //人脸检测的类  
9. CascadeClassifier faceCascade;  
10.   
11. int main()  
12. {  
13.     faceCascade.load("../data/haarcascade_frontalface_alt2.xml");   //加载分类器，注意文件路径  
14.   
15.     VideoCapture cap;    
16.     cap.open(0);   //打开摄像头  
17.     //cap.open("../data/test.avi");   //打开视频  
18.     Mat img, imgGray;  
19.     vector<Rect> faces;  
20.     int c = 0;  
21.   
22.     if(!cap.isOpened())  
23.     {  
24.       return 1;  
25.     }  
26.   
27.     while(c!=27)  
28.     {  
29.         cap>>img;  
30.        if(img.channels() ==3)  
31.        {  
32.           cvtColor(img, imgGray, CV_RGB2GRAY);  
33.        }  
34.        else  
35.        {  
36.           imgGray = img;  
37.        }  
38.   
39.        faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0));   //检测人脸  
40.   
41.        if(faces.size()>0)  
42.        {  
43.           for(int i =0; i<faces.size(); i++)  
44.           {  
45.               rectangle(img, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height),   
46.                               Scalar(0, 255, 0), 1, 8);    //框出人脸位置  
47.           }  
48.        }  
49.       
50.        imshow("Camera", img);  
51.        c = waitKey(1);  
52.     }  
53.     return 0;  
54. }  

在视频实时检测时，可能会出现卡顿，是因为检测人脸花费了过多的时间，这里代码只实现基本功能，并未优化。

本文完。

原文地址https://blog.csdn.net/lsq2902101015/article/details/47057081