基于OpenCV+QT的实时视频传输显示工具（二）

为了增加一点趣味性，本小节做一个简单的人脸捕捉的例子，这也为将来做视频的人脸捕捉打基础，毕竟视频实际上就是一张张图片。

这个例子的核心代码如下，opencv提供了haar和lbp人脸特征识别的标本，大家可以按照如下所示进行改造。

代码流程如下：

(1)将彩色图转成灰度图

(2)将图片进行直方图均衡化处理

(3)通过CascadeClassifier进行人脸探测

(4)根据第(3)步获取的面部信息画出脸部矩形

#defineHAAR_XML_PATH  "D:\\OpenCV_use\\etc\\haarcascades\\haarcascade_frontalface_default.xml"

#defineLBP_XML_PATH  "D:\\OpenCV_use\\etc\\lbpcascades\\lbpcascade_frontalface.xml"

voidImageProcess::detectface(cv::Mat&resultmat)

{

    cv::CascadeClassifierface_classfier;

    if(!face_classfier.load(LBP_XML_PATH))

    {

        return;

    }

    cv::MatgrayImage;

    cv::cvtColor(resultmat,grayImage,cv::COLOR_BGR2GRAY);

    cv::equalizeHist(grayImage,grayImage);

    std::vector<cv::Rect>faces;

    face_classfier.detectMultiScale(grayImage,faces,1.1f,3,0,cv::Size(10,10));

    for(std::vector<cv::Rect>::const_iteratoriter=faces.begin();iter!=faces.end();iter++)

    {

        cv::rectangle(resultmat,*iter,cv::Scalar(0,0,255),2,8);//画出脸部矩形

    }

}

大家自己可以尝试下，参数不同，人脸特征库不同，头发胡须的遮挡，都会影响人脸抓取的效果。这还是正脸情况下。因此为了提高抓取的准确度，可能需要利用多种特征来识别，这样又会对平台性能有一定的要求，这就可能涉及并行计算的东西了。

可以看出图形处理这个东西实际上牵扯的面是很广的。