人眼检测(视频版)

目录

备注

实验代码

运行结果

---

备注

人眼检测有误，需要调整相关参数；

实验代码

#include <iostream>
#include <opencv2/opencv.hpp>

#include <opencv2/objdetect.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <vector>

using namespace std;
using namespace cv;

void ShowDrawFace(Mat img, double fps1);

int main()
{


	// 打开视频文件
	VideoCapture cap("1.mp4");

	// 检查是否成功打开文件
	if (!cap.isOpened())
	{
		cout << "Error opening video file" << endl;
		return -1;
	}

	// 获取视频的帧率
	double fps = cap.get(CAP_PROP_FPS);
	cout << "Frames per second using video.get(cv::CAP_PROP_FPS): " << fps << endl;

	// 循环读取并显示每一帧
	Mat frame;
	while (true)
	{
		// 从视频中读取一帧
		cap >> frame;

		// 如果没有读取到帧，则退出循环
		if (frame.empty())
		{
			break;
		}

		ShowDrawFace(frame, fps);
		// 显示这一帧
		//namedWindow("Video", WINDOW_NORMAL);
		//imshow("Video", frame);
		//resizeWindow("Video",500,750);

		// 按键退出
		/*if (waitKey(1000 / fps) >= 0)
		{
		break;
		}*/
	}

	// 释放资源
	cap.release();

	// 销毁所有窗口
	destroyAllWindows();

	return 0;
}


void ShowDrawFace(Mat img, double fps1)
{
	// 加载级联分类器文件
	CascadeClassifier face_cascade;
	//确保您正确加载了级联分类器文件。
	if (!face_cascade.load("haarcascade_frontalface_alt.xml"))
	{
		cout << "--(!)Error loading face cascade\n";
		return;
	}

		 //加载眼睛检测模型
		cv::CascadeClassifier eye_cascade;
		if (!eye_cascade.load("haarcascade_eye.xml"))
		{
			std::cout << "Error: Could not load eye cascade!" << std::endl;
			return;
		}


	if (img.empty())
	{
		cout << "--(!) No image detected. Please check file path." << endl;
		return;
	}


	static CvScalar colors[] =
	{
		{ 0, 0, 255 },//纯蓝色（BGR格式）
		{ 0, 128, 255 },//蓝绿色
		{ 0, 255, 255 },//青色（Cyan）
		{ 0, 255, 0 },//纯绿色
		{ 255, 128, 0 },//橙黄色
		{ 255, 255, 0 },//黄色
		{ 255, 0, 0 },//纯红色
		{ 255, 0, 255 }//洋红色（Magenta）
	};//这样的数组通常用于需要固定颜色集的情况，比如在图像中标记不同的对象或区域，或者在绘制图形时使用不同的颜色。



	// 转换为灰度图
	Mat gray;
	cvtColor(img, gray, COLOR_BGR2GRAY);

	// 检测人脸
	std::vector<Rect> faces;
	face_cascade.detectMultiScale(gray, faces, 1.1, 3, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));
	//人脸检测：使用detectMultiScale函数检测人脸。
	//这里的参数1.1是缩放因子，3是最小邻居数，0 | CASCADE_SCALE_IMAGE是标志位，Size(30, 30)是最小检测窗口尺寸。


		 //检测每张脸中的眼睛
	// 遍历所有检测到的人脸
	int i = 0;
	for (const auto& face : faces)//用于遍历容器中的元素。
	{
		//int i = faces.; 能获取本次循环的次数？
		//确认人脸位置
		{
		const Rect& r = face;
		// 计算中心点
		Point center;
		int radius;
		center.x = cvRound((r.x + r.width * 0.5));
		center.y = cvRound((r.y + r.height * 0.5));
		radius = cvRound((r.width + r.height) * 0.25);

		//使用 (r.x + r.width * 0.5) 和 (r.y + r.height * 0.5) 来计算中心点。
		//请注意，这里的坐标计算没有涉及到任何缩放因子，因为我们直接处理原始图像的尺寸。

		// 绘制圆形
		//circle(img, center, radius, Scalar(0, 0, 255), 2, LINE_8, 0);
		circle(img, center, radius, colors[i % 8], 2, LINE_8, 0);

		// 在图像上绘制矩形框
		//rectangle(img, r, Scalar(0, 255, 0), 2, 1, 0);
		//colors[i%8]
		rectangle(img, r, colors[i % 8], 2, 1, 0);
		}


		Mat faceROI = gray(face); 或者 cv::Mat faceROI = gray(face.x, face.y, face.width, face.height);
		 提取人脸区域的灰度子图
		vector<cv::Rect> eyes;
		eye_cascade.detectMultiScale(faceROI, eyes, 1.1, 3, 0 | cv::CASCADE_SCALE_IMAGE, cv::Size(30, 30));
	
		// 在原图上绘制眼睛的矩形框
		for (const auto& eye : eyes)
		{
			Rect eyeRect(face.x + eye.x, face.y + eye.y, eye.width, eye.height);
			//cv::rectangle(img, eyeRect, cv::Scalar(255, 0, 0), 2);
			rectangle(img, eyeRect, colors[i % 8], 2);
		}
		i++;//确认循环的次数
	}



	// 显示带有标注的图像
	namedWindow("Faces found", WINDOW_NORMAL);
	resizeWindow("Faces found", 500, 750);
	imshow("Faces found", img);

	// 等待用户按键
	waitKey(1000 / fps1);
}

运行结果