OpenCV人臉檢測例程分析
目錄
代碼預覽
// cv3_face_detection.cpp : 定義控制檯應用程序的入口點。
//
#include "stdafx.h"
#include "opencv2/objdetect.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.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_alt.xml";
String eyes_cascade_name = "haarcascade_eye_tree_eyeglasses.xml";
CascadeClassifier face_cascade;
CascadeClassifier eyes_cascade;
String window_name = "Capture - Face detection";
/* @function main */
int main(void)
{
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(10);
if ((char)c == 27) { break; } // 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, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));
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); //求人臉中心
ellipse(frame, center, Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0);
Mat faceROI = frame_gray(faces[i]);
std::vector<Rect> eyes;
//-- In each face, detect eyes
eyes_cascade.detectMultiScale(faceROI, eyes, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30)); //在人臉區域檢測眼
for (size_t j = 0; j < eyes.size(); j++)
{
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); //求眼的半徑
circle(frame, eye_center, radius, Scalar(255, 0, 0), 4, 8, 0);
}
}
//-- Show what you got
imshow(window_name, frame);
}
注意:要將opencv安裝路徑下的data目錄下的haarcascade_frontalface_alt.xml,和haarcascade_eye_tree_eyeglasses.xml複製到程序所在目錄。
程序流程分析
主程序
detectAndDisplay函數流程
該函數接受的參數:Mat frame(一幀圖像)
功能:在此frame數據上利用檢測器進行檢測,並進行標記,最後顯示。因爲主程序不斷的循環執行,讀取一幀,標記一幀,並顯示一幀,所以是動態檢測,即人臉跟蹤。
注:檢測眼睛與檢測人臉過程類似,不同之處是,檢測人眼時,輸入的Mat是已經檢測出的人臉的矩形區域。
細節分析
級聯分類器對象CascadeClassifier
函數
bool cv::CascadeClassifier:: load(const string & filename)
功能:爲CascadeClassifier對象初始化,告訴它你要檢測什麼。
filename:已經訓練好的檢測器數據,XML文件
void cv::CascadeClassifier::detectMultiScale ( InputArray image,
std::vector< Rect > & objects,
double scaleFactor = 1.1,
int minNeighbors = 3,
int flags = 0,
Size minSize = Size(),
Size maxSize = Size()
)
功能:在frame中檢測尺度可變的目標區域,將檢測到的Rect添加到vector中。
scaleFactor:每次變尺度掃描,圖像尺度放大的倍數。要大於1,越接近1,結果可能越準確,但是運算量增大。
minSize::目標圖像可能的最小尺寸
maxSize:目標圖像可能的最大尺寸
VideoCapture對象
函數
//將VideoCapture對象與視頻文件或攝像頭關聯
virtual bool cv::VideoCapture::open ( int device )
virtual bool cv::VideoCapture::open ( const String & filename )
//判斷VideoCapture是否初始化
virtual bool cv::VideoCapture::isOpened () const
//讀取一幀圖像到image
virtual bool cv::VideoCapture::read ( OutputArray image )
//讀取攝像頭示例
VideoCapture cap(0); // 建立VideoCapture對象並初始化
if(!cap.isOpened()) // 檢查是否已經被初始化
return -1;
namedWindow("window");
for(;;)
{
Mat frame;
cap >> frame; //讀取圖像
imshow("window", frame);
if(waitKey(0) == 27) break;
}
OpenCV函數
//色彩空間轉化
void cv::cvtColor ( InputArray src,
OutputArray dst,
int code, //轉換模式
int dstCn = 0 //通道
)
//直方圖均衡化,用於增強圖像對比度
void cv::equalizeHist ( InputArray src,
OutputArray dst
)
//四捨五入取整
int cvRound ( double value )