Opencv -- 30案例：实时人脸检测

视频教程链接： https://www.bilibili.com/video/BV1i54y1m7tw?p=31.

对于本视频的现阶段态度：只是将代码抄写了一遍，抄写完毕准备去学习一下深度学习。

了解一下 opencv 提供的一些视频及图片文件素材（样本）。

此外， opencv 还提供了基于深度学习的方法来构建人脸识别程序。所需要的相关文件在上图中的 dnn 文件夹中，

我的下面没有，就只有去下载了，可以从视频教程中提供的 github 中去下载，但是，点击 raw （相当于是复制）或下载的时候，可能会连接错误，下载不了，因此，我已经从其他地方已下载好，并上传到CSDN资料库中。

https://download.csdn.net/download/xuechanba/85069369.

关于这个模型的简单介绍在链接中有一些说明：https://zhuanlan.zhihu.com/p/143612039.

本次测试例程使用到这两个文件。
opencv_face_detector_uint8.pb 和 opencv_face_detector.pbtxt

在程序中：

#include "30_opencv_mat.h"
#include <opencv2/dnn.hpp>

void QuickDemo::faceDetect_demo()
{
    VideoCapture capture(0);

    //1、指定模型文件所在的路径（以你的电脑为准）
    std::string root_dir = "D:/opencv/opencv/sources/samples/data/dnn/face_detector/";

    //2、加载模型文件 -- 该模型本质上是一个Tensorflow的模型
    // .pb文件即为所需要的模型文件
    // 会返回一个网络文件
    dnn::Net net = cv::dnn::readNetFromTensorflow(root_dir+"opencv_face_detector_uint8.pb", root_dir+ "opencv_face_detector.pbtxt");

    Mat frame;

    while (true)
    {
        capture.read(frame);
        //如果没有抓取到帧，就退出
        if (frame.empty())
        {
            break;
        }
        imshow("frame",frame);

        // to do sth
        //定义一个 张量
        Mat blob = dnn::blobFromImage(frame, 1.0, Size(300, 300), Scalar(104, 177, 123), false, false);
        net.setInput(blob);//NCHW
        Mat probs = net.forward();
        Mat detctionMat(probs.size[2], probs.size[3], CV_32F, probs.ptr<float>());
        //解析结果
        for (int i = 0; i < detctionMat.rows; i++)
        {
            float confidence = detctionMat.at<float>(i, 2);
            if (confidence > 0.5)
            {
                int x1 = static_cast<int>(detctionMat.at<float>(i,3)*frame.cols);
                int y1 = static_cast<int>(detctionMat.at<float>(i, 4) * frame.rows);

                int x2 = static_cast<int>(detctionMat.at<float>(i, 5) * frame.cols);
                int y2 = static_cast<int>(detctionMat.at<float>(i, 6) * frame.rows);

                Rect box(x1, y1, x2 - x1, y2 - y1);
                rectangle(frame,box,Scalar(0,0,255),2,8,0);
            }
        }

        imshow("人脸检测演示",frame);

        //每间隔50ms就捕捉一次键盘输入
        int c = waitKey(50);
        if (c == 27)//按 ESC 退出
        {
            break;
        }
    }
    //最后一定要release
    capture.release();
}

我的笔记本运行起来画面有卡顿，风扇也会自动开启。

关于这部分的代码没有总结与吸收，因为还不了解深度学习的知识。