之前一直覺得人臉檢測(cè)是非常麻煩的世澜，即使是用OpenCV麻煩到我都不敢去碰音同。這兩天仔細(xì)看了下诈泼，如果只是調(diào)用opencv自帶的分類器和函數(shù)的話菇爪，簡(jiǎn)直是簡(jiǎn)單鳖昌。這不涧郊，正好最近也在學(xué)習(xí)Python索性就用C++和Python兩種語言都實(shí)現(xiàn)一下忘嫉。當(dāng)然媚朦，我現(xiàn)在這個(gè)是最簡(jiǎn)單的版本渴丸。
步驟
調(diào)用opencv訓(xùn)練好的分類器和自帶的檢測(cè)函數(shù)檢測(cè)人臉人眼等的步驟簡(jiǎn)單直接：
- 加載分類器侯嘀，當(dāng)然分類器事先要放在工程目錄中去另凌。分類器本來的位置是在*\opencv\sources\data\haarcascades（harr分類器，也有其他的可以用戒幔，也可以自己訓(xùn)練）
- 調(diào)用detectMultiScale()函數(shù)檢測(cè)吠谢，調(diào)整函數(shù)的參數(shù)可以使檢測(cè)結(jié)果更加精確。
- 把檢測(cè)到的人臉等用矩形（或者圓形等其他圖形）畫出來诗茎。
主要函數(shù)
這里面最主要的一個(gè)函數(shù)就是detectMultiScale()囊卜。文檔中的解釋如下：
- image表示的是要檢測(cè)的輸入圖像
- objects表示檢測(cè)到的人臉目標(biāo)序列
- scaleFactor表示每次圖像尺寸減小的比例
- minNeighbors表示每一個(gè)目標(biāo)至少要被檢測(cè)到3次才算是真的目標(biāo)(因?yàn)橹車南袼睾筒煌拇翱诖笮《伎梢詸z測(cè)到人臉),
- minSize為目標(biāo)的最小尺寸
- minSize為目標(biāo)的最大尺寸
適當(dāng)調(diào)整4,5,6兩個(gè)參數(shù)可以用來排除檢測(cè)結(jié)果中的干擾項(xiàng)。
程序：
C++程序如下：
#include<opencv2\opencv.hpp>
#include <iostream>
#include <stdio.h>
using namespace std;
using namespace cv;
/** Function Headers */
void detectAndDisplay(Mat frame);
/** Global variables */
String face_cascade_name = "haarcascade_frontalface_default.xml";
String eyes_cascade_name = "haarcascade_eye_tree_eyeglasses.xml";
CascadeClassifier face_cascade; //定義人臉分類器
CascadeClassifier eyes_cascade; //定義人眼分類器
String window_name = "Capture - Face detection";
/** @function main */
int main(void)
{
Mat frame = imread("2.jpg");
//VideoCapture capture;
//Mat frame;
//-- 1. Load the cascades
if (!face_cascade.load(face_cascade_name)){ printf("--(!)Error loading face cascade\n"); return -1; };
if (!eyes_cascade.load(eyes_cascade_name)){ printf("--(!)Error loading eyes cascade\n"); return -1; };
//-- 2. Read the video stream
//capture.open(0);
//if (!capture.isOpened()) { printf("--(!)Error opening video capture\n"); return -1; }
//while (capture.read(frame))
//{
// if (frame.empty())
// {
// printf(" --(!) No captured frame -- Break!");
// break;
// }
//-- 3. Apply the classifier to the frame
detectAndDisplay(frame);
int c = waitKey(0);
if ((char)c == 27) { return 0; } // escape
//}
return 0;
}
/** @function detectAndDisplay */
void detectAndDisplay(Mat frame)
{
std::vector<Rect> faces;
Mat frame_gray;
cvtColor(frame, frame_gray, COLOR_BGR2GRAY);
equalizeHist(frame_gray, frame_gray);
//-- Detect faces
face_cascade.detectMultiScale(frame_gray, faces, 1.1, 3, CV_HAAR_DO_ROUGH_SEARCH, Size(70, 70),Size(100,100));
for (size_t i = 0; i < faces.size(); i++)
{
//Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2);
//ellipse(frame, center, Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0);
rectangle(frame, faces[i],Scalar(255,0,0),2,8,0);
Mat faceROI = frame_gray(faces[i]);
std::vector<Rect> eyes;
//-- In each face, detect eyes
eyes_cascade.detectMultiScale(faceROI, eyes, 1.1, 1, CV_HAAR_DO_ROUGH_SEARCH, Size(3, 3));
for (size_t j = 0; j < eyes.size(); j++)
{
Rect rect(faces[i].x + eyes[j].x, faces[i].y + eyes[j].y, eyes[j].width, eyes[j].height);
//Point eye_center(faces[i].x + eyes[j].x + eyes[j].width / 2, faces[i].y + eyes[j].y + eyes[j].height / 2);
//int radius = cvRound((eyes[j].width + eyes[j].height)*0.25);
//circle(frame, eye_center, radius, Scalar(255, 0, 0), 4, 8, 0);
rectangle(frame, rect, Scalar(0, 255, 0), 2, 8, 0);
}
}
//-- Show what you got
namedWindow(window_name, 2);
imshow(window_name, frame);
}
Python程序如下：
import numpy as np
import cv2
face_cascade = cv2.CascadeClassifier("/haarcascade_frontalface_default.xml")
eye_cascade = cv2.CascadeClassifier("/haarcascade_eye_tree_eyeglasses.xml")
img = cv2.imread("/2.jpg")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray,1.1,5,cv2.CASCADE_SCALE_IMAGE,(50,50),(100,100))
if len(faces)>0:
for faceRect in faces:
x,y,w,h = faceRect
cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2,8,0)
roi_gray = gray[y:y+h,x:x+w]
roi_color = img[y:y+h,x:x+w]
eyes = eye_cascade.detectMultiScale(roi_gray,1.1,1,cv2.CASCADE_SCALE_IMAGE,(2,2))
for (ex,ey,ew,eh) in eyes:
cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
cv2.imshow("img",img)
cv2.waitKey(0)
效果
最終結(jié)果如下圖所示：
