人脸检测代码详细解析

转载的出处和链接：http://blog.csdn.net/jasonque/article/details/8471572

整理了大部分代码解析，以方便大家看懂程序。

#include "widget.h" 
#include "ui_widget.h" 
#include <QtGui> 

#ifndef PROPERTY 
#define PROPERTY 
#define image_width 320     //图片显示宽度 
#define image_height 240     //图片显示高度 
#define image_Format QImage::Format_RGB888     //图片显示格式 
#define cameraDevice "/dev/video3"             //摄像头设备 
#define haarXML "./data/haarcascade_frontalface_alt2.xml"     //人脸正脸模型级联分类器文件 
#define haarXML_profile "./data/haarcascade_profileface.xml"  //人脸侧脸模型级联分类器文件 
#define imgSizeScaleSmall 0.7 //图像放缩比例 
#define imgSizeScaleBig 2     //图像放缩比例 
#endif //PROPERTY 

Widget::Widget(QWidget *parent) : QWidget(parent), ui(new Ui::Widget) 
{ 
ui->setupUi(this); 
imgBuf = (unsigned char *)malloc(image_width * image_height* 3 * sizeof(char)); 
//申请图片总空间，共image_width * image_height个像素，一个像素RGB三个字节 
frame = new QImage(imgBuf,image_width,image_height,image_Format); 
//根据存储空间imgBuf开辟QImage图像 
m_camera = new VideoDevice(tr(cameraDevice)); //创建摄像头设备，tr("string") connect(m_camera, SIGNAL(display_error(QString)), this,SLOT(display_error(QString))); //QT的信号和槽机制 
camReturn = m_camera->open_device(); //打开摄像头 
if(-1==camReturn) //出错处理 
{ 
QMessageBox::warning(this,tr("error"),tr("open /dev/dsp error"),QMessageBox::Yes); m_camera->close_device(); 
} 
camReturn = m_camera->init_device(); //初始化摄像头 
if(-1==camReturn) 
{ 
QMessageBox::warning(this,tr("error"),tr("init failed"),QMessageBox::Yes); m_camera->close_device(); 
} 
camReturn = m_camera->start_capturing(); //摄像头开始捕获图像 
if(-1==camReturn) 
{ 
QMessageBox::warning(this,tr("error"),tr("start capture failed"),QMessageBox::Yes); m_camera->close_device(); 
} 
if(-1==camReturn) 
{ 
QMessageBox::warning(this,tr("error"),tr("get frame failed"),QMessageBox::Yes); m_camera->stop_capturing(); 
} 
timer = new QTimer(this); //设定时间间隔，对图像界面进行刷新 connect(timer,SIGNAL(timeout()),this,SLOT(update())); //即每隔30ms重新绘制图像界面，update()触发paintEvent()??? 
timer->start(30);     //设置定时器每30毫秒发送一个timeout()信号 
cascadeFile = haarXML; //级联分类器文件 
cascade = (CvHaarClassifierCascade *) cvLoad(cascadeFile.toUtf8()); //从指定的文件目录中加载级联分类器文件 
cascadeFile_profile = haarXML_profile; //级联分类器文件 
cascade_profile = (CvHaarClassifierCascade *) cvLoad(cascadeFile_profile.toUtf8()); //从指定的文件目录中加载级联分类器文件 
m_FaceCount = 0; //记录检测到的人脸序列长度 
storage = cvCreateMemStorage(0); //创建一个内存存储器,参数为0时内存块默认大小为64k 
} 
Widget::~Widget() //析构函数 
{ 
delete ui; 
} 
void Widget::changeEvent(QEvent *e) { 
QWidget::changeEvent(e); 
switch (e->type()) 
{ 
case QEvent::LanguageChange: ui->retranslateUi(this); //语言方面的重翻译 
    break; 
default: 
    break; 
} 
} 

void Widget::paintEvent(QPaintEvent *) 
{ 
uchar * pImgBuf; 
unsigned int len; 
camReturn = m_camera->get_frame((void **)&pImgBuf,&len); //摄像头开始取帧图像,摄像头取回来的帧是YUV格式,将取回帧图像的起始地址给pImgBuf，帧长度给len convert_yuv_to_rgb_buffer(pImgBuf,imgBuf,image_width,image_height); //将YUV格式转换成RGB格式 
frame->loadFromData((uchar *)imgBuf,image_width * image_height * 3 * sizeof(char)); //将存储空间imgBuf的大小的内容加载到frame中，frame是QImage类型指针 //为什么QImage图像要转换为IplImage图像？？？！！！ //因为后面处理压缩，放大的函数处理的是IplImage图像 
IplImage* src = QImageToIplImage(frame); //将QImage图像转换为IplImage图像 
if (!src) 
{ 
printf("img error!"); 
return; 
} 
//更改图像大小（后期对人脸检测时间控制会有很大帮助） 
//压缩图像大小，提升人脸检测的速度 
double sizeScale = imgSizeScaleSmall; //0.7 
CvSize img_cvsize; //CvSize数据结构，表示矩阵框大小，以像素为精度 
img_cvsize.width = src->width * sizeScale;   //压缩图像宽度 
img_cvsize.height = src->height * sizeScale; //压缩图像高度 
IplImage* dst = cvCreateImage(img_cvsize, src->depth, src->nChannels); //创建首地址dst并分配存储空间 
cvResize(src, dst, CV_INTER_LINEAR); //函数cvResize 重新调整图像src，使它精确匹配目标dst，双线性插值（默认） 
detect_and_draw(dst); //调用人脸检测函数，传入的是IplImage图像类型 //更改图像大小，清晰度会下降 //恢复原图像大小，但图像分辨率有所下降，图像较原始图像模糊 
sizeScale = imgSizeScaleBig; //2,这样一来实际是放大1.4倍？？？ 
img_cvsize.width = dst->width * sizeScale; 
img_cvsize.height = dst->height * sizeScale; 
IplImage* img = cvCreateImage(img_cvsize, dst->depth, dst->nChannels); //创建首地址img并分配存储空间 
cvResize(dst, img, CV_INTER_LINEAR); //函数cvResize 重新调整图像dst，使它精确匹配目标img，双线性插值（默认） 
QImage qimage = QImage((uchar *)img->imageData,img->width,img->height,image_Format);//根据压缩放大后的img->imageData创建QImage图像 //IplImage为BGR格式，QImage为RGB格式，所以要交换B和R通道显示才正常 //可以用OpenCV的cvConcertImage函数交换，也可以用QImage的rgbSwapped函数交换 
qimage = qimage.rgbSwapped(); //又将IplImage图像转化为QImage图像，用作显示 ui->m_imgLabel->setPixmap(QPixmap::fromImage(qimage)); //将QImage转换为QPixmap,QImage是设计并优化来为 I/O操作的,可以直接访问和操作像素,而QPixmap是设计并优化来在屏幕上显示图片的 
camReturn = m_camera->unget_frame(); //摄像头停止取帧 
cvReleaseImage(&img); //释放图片内存，cvReleaseImage(&dst) ????? 
cvReleaseImage(&src); 
} 

void Widget::display_error(QString err) 
{ 
QMessageBox::warning(this,tr("error"), err,QMessageBox::Yes); 
} 

/*yuv格式转换为rgb格式*/ 
int Widget::convert_yuv_to_rgb_buffer(unsigned char *yuv, unsigned char *rgb, unsigned int width, unsigned int height) 
{ 
unsigned int in, out = 0; 
unsigned int pixel_16; 
unsigned char pixel_24[3]; 
unsigned int pixel32; int y0, u, y1, v; 
for(in = 0; in < width * height * 2; in += 4) { 
pixel_16 = yuv[in + 3] << 24 | yuv[in + 2] << 16 | yuv[in + 1] << 8 | yuv[in + 0]; 
y0 = (pixel_16 & 0x000000ff); 
u = (pixel_16 & 0x0000ff00) >> 8; 
y1 = (pixel_16 & 0x00ff0000) >> 16; 
v = (pixel_16 & 0xff000000) >> 24; 
pixel32 = convert_yuv_to_rgb_pixel(y0, u, v); //这里用到convert_yuv_to_rgb_pixel 
pixel_24[0] = (pixel32 & 0x000000ff); 
pixel_24[1] = (pixel32 & 0x0000ff00) >> 8; 
pixel_24[2] = (pixel32 & 0x00ff0000) >> 16; 
rgb[out++] = pixel_24[0]; 
rgb[out++] = pixel_24[1]; 
rgb[out++] = pixel_24[2]; 
pixel32 = convert_yuv_to_rgb_pixel(y1, u, v); //这里用到convert_yuv_to_rgb_pixel 
pixel_24[0] = (pixel32 & 0x000000ff); 
pixel_24[1] = (pixel32 & 0x0000ff00) >> 8; 
pixel_24[2] = (pixel32 & 0x00ff0000) >> 16; 
rgb[out++] = pixel_24[0]; 
rgb[out++] = pixel_24[1]; 
rgb[out++] = pixel_24[2]; 
} 
return 0; 
} 

/*yuv格式转换为rgb格式子函数*/ 
int Widget::convert_yuv_to_rgb_pixel(int y, int u, int v) { 
unsigned int pixel32 = 0; 
unsigned char *pixel = (unsigned char *)&pixel32; 
int r, g, b; 
r = y + (1.370705 * (v-128)); 
g = y - (0.698001 * (v-128)) - (0.337633 * (u-128)); 
b = y + (1.732446 * (u-128)); 
if(r > 255) r = 255; 
if(g > 255) g = 255; 
if(b > 255) b = 255; 
if(r < 0) r = 0; 
if(g < 0) g = 0; 
if(b < 0) b = 0; 
pixel[0] = r * 220 / 256; 
pixel[1] = g * 220 / 256; 
pixel[2] = b * 220 / 256; 
return pixel32; 
} 

//QImage图像转换为IplImage图像 
IplImage* Widget::QImageToIplImage(const QImage * qImage) { 
int width = qImage->width(); 
int height = qImage->height(); 
CvSize Size; //表示矩阵框大小，以像素为精度 
Size.height = height; //传递了qImage的高和宽 
Size.width = width; 
IplImage *IplImageBuffer = cvCreateImage(Size, IPL_DEPTH_8U, 3); //创建首地址并分配存储空间cvCreateImage( CvSize size, int depth, int channels ) 
for (int y = 0; y < height; ++y) //复制像素 
{ 
for (int x = 0; x < width; ++x) 
{ 
QRgb rgb = qImage->pixel(x, y); //取qImage的像素点 
cvSet2D(IplImageBuffer, y, x, CV_RGB(qRed(rgb), qGreen(rgb), qBlue(rgb))); //彩色，在空间为IplImageBuffer的y行x列画彩色点 //灰色的可否？ 
} 
} 
return IplImageBuffer; 
} 

//接着就是对其进行人脸检测处理。 
//人脸检测函数 
void Widget::detect_and_draw(IplImage *img) 
{ static CvScalar colors[] = 
//用来存放4个double数值的数组，一般用来存放像素值，最多可以存放4个通道的 
{ {{0,0,255}}, //蓝 {{0,128,255}}, {{0,255,255}}, //浅蓝 {{0,255,0}}, //绿 {{255,128,0}}, {{255,255,0}}, //黄 {{255,0,0}}, //红 {{255,0,255}} //紫 
}; //RGB,表示八种不同的颜色 
double scale = 2.0; //此变量关系到人脸检测的范围精度 
IplImage* gray = cvCreateImage( cvSize(img->width,img->height), 8, 1 ); //建立一个空的灰度图，通道为1表示灰度图，深度为8 
IplImage* small_img = cvCreateImage( cvSize( cvRound (img->width/scale), //将图片缩小，加快检测速度，cvRound对一个double型的数进行四舍五入，并返回一个整型数 
cvRound (img->height/scale)), 8, 1 ); //建立一个空的缩小的灰度图 
int i; //写的不好！！！！！！！ //因为用的是类haar特征，所以都是基于灰度图像的，这里要转换成灰度图像 
cvCvtColor( img, gray, CV_BGR2GRAY ); //图像转换 BGR格式（IplImage的图像格式）转为灰度图 cvResize( gray, small_img, CV_INTER_LINEAR ); //将尺寸缩小到1/scale,用双线性插值 cvEqualizeHist( small_img, small_img ); //使灰度图象直方图均衡化，图像对比度增强(src,dst) cvClearMemStorage( storage ); //新建一块存储区，以备后用 
if( cascade ) //若找到级联分类器 
{ 
double t = (double)cvGetTickCount(); //用来计算算法执行时间 //检测人脸 //cvHaarDetectObjects函数中faces表示检测到的人脸目标序列，small_img表示的是要检测的输入图像为small_img， //storage 用来存储检测到的一序列候选目标矩形框的内存区域，1.2搜索窗口的比例系数，表示将搜索窗口依次扩大20% //2构成检测目标的相邻矩形的最小个数，表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大 //小都可以检测到人脸)，cvSize(30, 30)为检测窗口的最小尺寸 
CvSeq* faces = cvHaarDetectObjects( small_img, cascade, storage, //序列CvSeq 1.2, 2, 0, cvSize(30, 30) ); //??????????CV_HAAR_DO_CANNY_PRUNING????cvSize(30, 30) //为了能对视频图像进行更快的实时检测，参数设置通常是： //scale_factor=1.2, min_neighbors=2, flags=CV_HAAR_DO_CANNY_PRUNING, min_size=<minimum possible face size> t = (double)cvGetTickCount() - t; //相减为算法执行的时间 
printf( "detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) ); //检测时间（ms） 
for( i = 0; i < (faces ? faces->total : 0); i++ ) 
{ 
CvRect* r = (CvRect*)cvGetSeqElem( faces, i ); //返回索引指定的元素指针,seq是需要检测的序列，index是元素在序列中的索引 
CvPoint rectP1, rectP2; 
rectP1.x = cvRound(r->x * scale); //还原成原来的大小 
rectP1.y = cvRound(r->y * scale); 
rectP2.x = cvRound((r->x + r->width) * scale); 
rectP2.y = cvRound((r->y + r->height) * scale); 
cvRectangle(img, rectP1, rectP2, colors[i%8], 3, 8, 0); //人脸检测方框,通过对角线上的两个顶点绘制矩形 
} 
m_FaceCount = faces->total; //人脸目标序列总长 
} 
cvReleaseImage( &gray ); 
cvReleaseImage( &small_img ); 
}