haar+adaboost人脸检测

推荐一篇文章：

机器学习的两大派别|周志华教授

利用opencv自带的haar-cascade分类器检测，从已经训练好的xml文件加载模型，读入待检测图片，多尺度检测

<span style="font-size:10px;">#include "opencv2/core/core.hpp" #include "opencv2/objdetect/objdetect.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include<vector> #include <iostream> #include <stdio.h> using namespace std; using namespace cv; string face_cascade_name = "haarcascade_frontalface_alt.xml"; //该文件存在于OpenCV安装目录下的\sources\data\haarcascades内，需要将该xml文件复制到当前工程目录下 CascadeClassifier face_cascade; void detectAndDisplay( Mat& frame ); int main( ){ Mat image; image =imread("1.jpg",1); //当前工程目录下的1.jpg文件，注意目录符号 // namedWindow("1.jpg",CV_WINDOW_AUTOSIZE );// //imshow("1.jpg",image );// // waitKey(0);//等待直到用户按下一个按键之后退出。 if( !face_cascade.load( face_cascade_name ) ){ printf("级联分类器错误，可能未找到文件，拷贝该文件到工程目录下！\n"); return -1; } detectAndDisplay(image); //调用人脸检测函数 waitKey(0); //暂停显示一下。 } void detectAndDisplay( Mat &face ){ std::vector<Rect> faces; Mat face_gray;cout<<2<<endl; cvtColor( face, face_gray, CV_RGB2GRAY ); //rgb类型转换为灰度类型 cout<<1<<endl; equalizeHist( face_gray, face_gray ); //直方图均衡化 face_cascade.detectMultiScale( face_gray, faces, 1.1, 2, 0|CV_HAAR_SCALE_IMAGE, Size(1, 1) ); for( int i = 0; i < faces.size(); i++ ){ Point center( faces[i].x + faces[i].width*0.5, faces[i].y + faces[i].height*0.5 ); ellipse( face, center, Size( faces[i].width*0.5, faces[i].height*0.5), 0, 0, 360, Scalar( 255, 0, 0), 2,7, 0 ); } imshow("人脸识别", face ); } </span>

ubuntu下用cmake编译，执行即可

如何用cmake编译，简单说下

CMake是一款工程管理软件，比Makefile平台迁移性更好，通过CMake能自动生成Makefile。用于本程序的CMake文件内容如下：

project(face)  
find_package(OpenCV REQUIRED)  
add_executable(face face)  
target_link_libraries(face ${OpenCV_LIBS})  
cmake_minimum_required(VERSION 2.8)

将上述内容保存到文件名为CMakeLists.txt（必须是这个文件名）的文件中，依次执行

cmake ./
make

cmake命令直接生成Makefile，通过Makefile生成可执行文件（这也就是为什么cmake平台迁移性好，不同的平台能生成对应的Makefile，很容易迁移到Windows）。

然后执行./face命令即可

看一下检测结果

如何利用opencv训练自己的haar分类器

OpenCV Haartraining

OpenCV训练分类器制作xml文档

Tutorial: OpenCV haartraining (Rapid Object Detection With A Cascade of Boosted Classifiers Based on Haar-like Features)

opencv haar+adaboost使用心得 

OpenCV源码中Haar训练及提取特征的代码

OpenCV中Adaboost训练的经验总结

OpenCV中CascadeClassifier类实现多尺度检测源码解析

OpenCV原理解读之HAAR+Adaboost

采用opencv_cascadetrain进行训练的步骤及注意事项

Haar + Adaboost结构体信息

traincascade相关结构体

Opencv研读笔记:haartraining程序之cvCreateMTStumpClassifier函数详解（弱分类器创建）~

Opencv研读笔记:haartraining程序之icvCreateCARTStageClassifier函数详解（强分类器创建）~

Opencv研读笔记:haartraining程序之cvCreateCARTClassifier函数详解（CART树状弱分类器创建）~

Opencv研读笔记:haartraining程序之莫名其妙的条件宏ICV_DEF_FIND_STUMP_THRESHOLD_SQ解释~

casecade结构和HAAR检测流程

traincascade中不同特征的生成

cv::CascadeClassifier类在多次读取新版本xml模

xml文件转换

一文解决OpenCV训练分类器制作xml文档的所有问题

基于HOG特征的Adaboost行人检测

http://blog.csdn.net/naruto0001/article/category/1248131

http://blog.csdn.net/naruto0001/article/details/8064007  学习代码解读

http://blog.csdn.net/njzhujinhua/article/details/38377191     

http://blog.csdn.net/xidianzhimeng/article/details/10470839

http://blog.csdn.net/zouxy09/article/details/7922923

http://wenku.baidu.com/view/a862881f783e0912a2162ac3.html   

http://blog.csdn.net/liulina603/article/details/8617281

http://blog.csdn.net/haidao2009/article/details/7514787  

http://wenku.baidu.com/link?url=E5Fme024ZtEW3pKP4R_zLXqK0l_dWarnaDBa1Qn3rl6V4DJf_00sVXi6wzM8w_UI9T1gGJN5w105fALU4FEE3uwcRYD2MaWrELBczJeLxL_   

http://blog.csdn.net/dark_scope/article/details/14103983