在opencv中,人脸检测用的是harr或LBP特征,分类算法用的是adaboost算法。这种算法需要提前训练大量的图片,非常耗时,因此opencv已经训练好了,把训练结果存放在一些xml文件里面。在opencv3.0版本中,训练好的文件放在 \build\etc\文件夹下,有两个文件夹haarcascades和lbpcascades,前者存放的是harr特征训练出来的文件,后者存放的是lbp特征训练出来的文件。
人脸检测主要用到的是CascadeClassifier这个类,以及该类下的detectMultiScale函数。
函数原型是:
void CascadeClassifier::detectMultiScale(InputArray image, vector<Rect>& objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())
总共有7个参数,分别是
第一个参数image: 要检测的图片,一般为灰度图
第二个参数objects: Rect型的容器,存放所有检测出的人脸,每个人脸是一个矩形
第三个参数scaleFactor: 缩放因子,对图片进行缩放,默认为1.1
第四个参数minNeighbors: 最小邻居数,默认为3
第五个参数flags: 兼容老版本的一个参数,在3.0版本中没用处。默认为0
第六个参数minSize: 最小尺寸,检测出的人脸最小尺寸
第七个参数maxSize: 最大尺寸,检测出的人脸最大尺寸
代码:
#include "stdafx.h" #include "opencv2\opencv.hpp" #include <iostream> using namespace std; using namespace cv; int main() { string xmlPath="F:\\opencv3\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_default.xml"; CascadeClassifier ccf; //创建分类器对象 Mat img=imread("d:/friends.jpg"); if(!ccf.load(xmlPath)) //加载训练文件 { cout<<"不能加载指定的xml文件"<<endl; return 0; } vector<Rect> faces; //创建一个容器保存检测出来的脸 Mat gray; cvtColor(img,gray,CV_BGR2GRAY); //转换成灰度图,因为harr特征从灰度图中提取 equalizeHist(gray,gray); //直方图均衡行 ccf.detectMultiScale(gray,faces,1.1,3,0,Size(10,10),Size(100,100)); //检测人脸 for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++) { rectangle(img,*iter,Scalar(0,0,255),2,8); //画出脸部矩形 } imshow("faces",img); waitKey(0); return 1; }
总结:
使用起来非常简单,只是精度不怎么样。毕竟这些算法早已经过时,现在是深度学习的天下了。