以下转载,仅供学习交流!
CvHaarFeature, CvHaarClassifier, CvHaarStageClassifier, CvHaarClassifierCascade Boosted Haar 分类器结构的几个结构体是树型结构。
Cascade:
-
Stage1:
-
Classifier11:
- Feature11
-
Classifier12:
- Feature12
- ...
-
Classifier11:
-
Stage2:
-
Classifier21:
-
Feature21 整个等级可以手工构建,也可以利用函数cvLoadHaarClassifierCasc
ade从已有的磁盘文件或嵌入式基中导入。
-
Feature21 整个等级可以手工构建,也可以利用函数cvLoadHaarClassifierCasc
-
Classifier21:
1.CvHaarClassifierCascade* cvLoadHaarClassifierCasc
函数 cvLoadHaarClassifierCasc
需要注意的是,这个函数已经过时了。现在的目标检测分类器通常存储在 XML 或 YAML 文件中,而不是通过路径导入。从文件中导入分类器,可以使用函数 cvLoad 。
2.void cvReleaseHaarClassifierC
-
cascade
- 双指针类型指针指向要释放的cascade. 指针由函数声明。
函数 cvReleaseHaarClassifierC
3.CvSeq* cvHaarDetectObjects( const CvArr* image, CvHaarClassifierCascade* cascade,
typedef struct CvAvgComp
{
}
-
image
- 被检图像 cascade
- harr 分类器级联的内部标识形式 storage 用来存储检测到的一序列候选目标矩形框的内存区域。 scale_factor
- 在前后两次相继的扫描中,搜索窗口的比例系数。例如1.1指将搜索窗口依次扩大10%。 min_neighbors
- 构成检测目标的相邻矩形的最小个数(缺省-1)。如果组成检测目标的小矩形的个数和小于min_neighbors-1 都会被排除。如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框,这种设定值一般用在用户自定义对检测结果的组合程序上。 flags
- 操作方式。当前唯一可以定义的操作方式是 CV_HAAR_DO_CANNY_PRUNING。如果被设定,函数利用Canny边缘检测器来排除一些边缘很少或者很多的图像区域,因为这样的区域一般不含被检目标。人脸检测中通过设定阈值使用了这种方法,并因此提高了检测速度。 min_size
- 检测窗口的最小尺寸。缺省的情况下被设为分类器训练时采用的样本尺寸(人脸检测中缺省大小是~20×20)。
函数 cvHaarDetectObjects 使用针对某目标物体训练的级联分类器在图像中找到包含目标物体的矩形区域,并且将这些区域作为一序列的矩形框返回。函数以不同比例大小的扫描窗口对图像进行几次搜索(察看cvSetImagesForHaarClassi
4.void cvSetImagesForHaarClassi
为隐藏的cascade(hidden cascade)指定图像
-
cascade
-
隐藏 Harr 分类器级联 (Hidden Haar classifier cascade), 由函数 cvCreateHidHaarClassifie
rCascade生成
sum
- 32-比特,单通道图像的积分图像(Integral (sum) 单通道 image of 32-比特 integer format). 这幅图像以及随后的两幅用于对快速特征的评价和亮度/对比度的归一化。 它们都可以利用函数 cvIntegral从8-比特或浮点数 单通道的输入图像中得到。 sqsum
- 单通道64比特图像的平方和图像 tilted_sum
- 单通道32比特整数格式的图像的倾斜和(Tilted sum) scale
-
cascade的窗口比例. 如果 scale=1, 就只用原始窗口尺寸检测 (只检测同样尺寸大小的目标物体) - 原始窗口尺寸在函数cvLoadHaarClassifierCasc
ade中定义 (在 "<default_face_cascade>"中缺省为24x24), 如果scale=2, 使用的窗口是上面的两倍 (在face cascade中缺省值是48x48 )。这样尽管可以将检测速度提高四倍,但同时尺寸小于48x48的人脸将不能被检测到。
函数 cvSetImagesForHaarClassi
5.int cvRunHaarClassifierCasca
在给定位置的图像中运行 cascade of boosted classifier
-
cascade
- Haar 级联分类器 pt
-
待检测区域的左上角坐标。待检测区域大小为原始窗口尺寸乘以当前设定的比例系数。当前窗口尺寸可以通过cvGetHaarClassifierCasca
deWindowSize重新得到。
start_stage
- 级联层的初始下标值(从0开始计数)。函数假定前面所有每层的分类器都已通过。这个特征通过函数cvHaarDetectObjects内部调用,用于更好的处理器高速缓冲存储器。
函数 cvRunHaarClassifierCasca
程序源代码:
#include "stdafx.h"
#include "cv.h"
#include "highgui.h"
#include <iostream>
//读取训练好的分类器。
void ErrorHandler(char* message)
{
cout<<message<<endl;
exit(0);
}
CvHaarClassifierCascade* load_object_detector( const char* cascade_path )
{
return (CvHaarClassifierCascade*)cvLoad( cascade_path );
}
void detect_and_draw_objects( char* imgname,
CvHaarClassifierCascade* cascade,
int do_pyramids )
{
CvMemStorage* storage = cvCreateMemStorage(0); //创建动态内存
CvSeq* faces;
int i, scale = 1;
IplImage* image=cvLoadImage(imgname);
IplImage* small_image = image;
/* if the flag is specified, down-scale the 输入图像 to get a
performance boost w/o loosing quality (perhaps) */
if( do_pyramids )
{
small_image = cvCreateImage( cvSize(image->width/2,image->height/2), IPL_DEPTH_8U, 3 );
//函数 cvPyrDown 使用 Gaussian 金字塔分解对输入图像向下采样。
//首先它对输入图像用指定滤波器进行卷积,然后通过拒绝偶数的行与列来下采样图像。
cvPyrDown( image, small_image, CV_GAUSSIAN_5x5 );
scale = 2;
}
/* use the fastest variant */
faces = cvHaarDetectObjects( small_image, cascade, storage, 1.2, 2, CV_HAAR_DO_CANNY_PRUNING );
/* draw all the rectangles */
for( i = 0; i < faces->total; i++ )
{
/* extract the rectanlges only */
CvRect face_rect = *(CvRect*)cvGetSeqElem( faces, i );
cvRectangle( image, cvPoint(face_rect.x*scale,face_rect.y*scale),
cvPoint((face_rect.x+face_rect.width)*scale,
(face_rect.y+face_rect.height)*scale),
CV_RGB(255,0,0), 3 );
}
cvNamedWindow( "test", 1 );
cvShowImage( "test", image );
if( small_image != image )
cvReleaseImage( &small_image );
cvReleaseImage( &image );
cvReleaseMemStorage( &storage ); //释放动态内存
}
/* takes image filename and cascade path from the command line */
int main( int argc, char** argv )
{
WIN32_FIND_DATA FileData;
HANDLE hSearch;
BOOL fFinished = FALSE;
if(!SetCurrentDirectory("images")){
std::cout<<"failed to change work directory"<<endl;
exit(0);
}
CvHaarClassifierCascade* cascade = load_object_detector("D:\\OpenCV2.2\\data\\haarcascades\\haarcascade_frontalface_alt.xml");
hSearch = FindFirstFile("*.jpg", &FileData);
if (hSearch == INVALID_HANDLE_VALUE){
ErrorHandler("No .bmp files found.");
}
while (!fFinished){
//fingerTip(FileData.cFileName);
detect_and_draw_objects( FileData.cFileName, cascade, 1 );
if (!FindNextFile(hSearch, &FileData))
{
if (GetLastError() == ERROR_NO_MORE_FILES)
{
fFinished = TRUE;
}
else
{
ErrorHandler("Couldn't find next file.");
}
}
cvWaitKey(0);
}
//IplImage* image=cvLoadImage("E:\\photo\\Lena.jpg");
//if( argc==3 && (image = cvLoadImage( argv[1], 1 )) != 0 )
//{
//cvWaitKey(0);
cvReleaseHaarClassifierCascade( &cascade );
//}
return 0;
}
源程序下载地址:http://download.csdn.net/detail/wode0239/4881850
对于cx0000000d错误的解决是 :使用opencv2.2。我最开始使用的是opencv2.3总是提示cx0000000d错误。改用opencv2.2然后配置一下库和链接就可以运行了。希望对你有帮助。