opencv开发笔记（十六）：人脸检测的方法——HOG+SVM,类“CascadeClassifier”

人脸检测HOG+SVM源代码如下：

// HOG算法.cpp : 定义控制台应用程序的入口点。

#include "stdafx.h"
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/objdetect/objdetect.hpp>
#include<opencv2/ml/ml.hpp>
#include <Windows.h>  
using namespace cv;
using namespace std;
int main()
{
Mat src = imread("E:\\Pictures\\person01.jpg", 1);
vector<Rect> personSVM, personCasc, personListSVM, personListCacs;//检测结果矩形框向量  
DWORD SVMTimeBegin, SVMTimeEnd, CascTimeBegin, CascTimeEnd;  //耗时统计      

//方法1，Hog+svm    
SVMTimeBegin = GetTickCount();//它返回从操作系统启动到当前所经过的毫秒数,判断执行时间
HOGDescriptor hog;//HOG特征检测器    
hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());//设置SVM分类器为默认参数       
hog.detectMultiScale(src, personSVM, 0, Size(2, 2), Size(0, 0), 1.05, 2);//对图像进行多尺度检测  
SVMTimeEnd = GetTickCount();
cout << "HOG+SVM行人检测耗时：\n" << (SVMTimeEnd - SVMTimeBegin) << endl;



//不重合的直接放入List，重合的选取最外侧结果    
for (int i = 0; i < personSVM.size(); i++)
{
Rect r = personSVM[i];
int j = 0;
for (; j < personSVM.size(); j++)
if (j != i && (r & personSVM[j]) == r)
break;
if (j == personSVM.size())
personListSVM.push_back(r);
}

//画矩形框，缩放检测到的矩形框   
for (int i = 0; i<personListSVM.size(); i++)
{
Rect r = personListSVM[i];
r.x += cvRound(r.width*0.1);
r.width = cvRound(r.width*0.8);
r.y += cvRound(r.height*0.07);
r.height = cvRound(r.height*0.8);
rectangle(src, r.tl(), r.br(), Scalar(0, 0, 255), 2);
}
imshow("HOG特征+SVM/Cascade行人检测", src);
waitKey();
return 0;
}

类“CascadeClassifier”使用来人脸检测如下

// 人脸检测CascadeClassifier类.cpp : 定义控制台应用程序的入口点。
/
#include "stdafx.h"
#include<opencv2/objdetect/objdetect.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;
int main()
{
CascadeClassifier face;
face.load("F:\\opencv3.3.0\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt2.xml");
Mat img = imread("E:\\Pictures\\face4.jpg");
Mat imggray;
vector<Rect>faces;
cvtColor(img, imggray, COLOR_BGR2GRAY);
face.detectMultiScale(imggray, faces, 1.2, 6, 0,Size(0, 0));
for (int i = 0; i < faces.size();i++) {
rectangle(img,Point(faces[i].x,faces[i].y),Point(faces[i].x+faces[i].width, faces[i].y+faces[i].height),
Scalar(0,255,0),1,8);

}

imshow("效果图",img);
waitKey(0);
return 0;
}