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。