OpenCV支持的目標檢測的方法是利用樣本的Haar特徵進行的分類器訓練,得到的級聯boosted分類器(Cascade Classification)。haar支持的目標有人臉、眼、嘴、鼻、身體,這裏給出的是臉部和眼部的示例。
理論參考鏈接:https://docs.opencv.org/master/dc/d88/tutorial_traincascade.html
代碼參考鏈接:https://docs.opencv.org/master/db/d28/tutorial_cascade_classifier.html
代碼示例
#include "opencv2/objdetect.hpp"
#include "opencv2/videoio.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
#include <stdio.h>
using namespace std;
using namespace cv;
void detectAndDisplay(Mat frame); // 檢測並顯示
String face_cascade_name, eyes_cascade_name;
CascadeClassifier face_cascade; // 臉部識別
CascadeClassifier eyes_cascade; // 眼部識別
String window_name = "Capture - Face detection";
int main(int argc, const char** argv)
{
CommandLineParser parser(argc, argv,
"{help h||}"
"{face_cascade|../data/haarcascade_frontalface_alt.xml|}"
"{eyes_cascade|../data/haarcascade_eye_tree_eyeglasses.xml|}");
cout << "\nThis program demonstrates using the cv::CascadeClassifier class "
"to detect objects (Face + eyes) in a video stream.\n"
"You can use Haar or LBP features.\n\n";
parser.printMessage();
face_cascade_name = parser.get<string>("face_cascade");
eyes_cascade_name = parser.get<string>("eyes_cascade");
VideoCapture capture;
Mat frame;
// 加載cascades級聯分類器
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; };
// 讀取視頻
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; }
// 檢測並顯示
detectAndDisplay(frame);
char c = (char)waitKey(10);
if (c == 27) { break; }
}
return 0;
}
void detectAndDisplay(Mat frame)
{
std::vector<Rect> faces;
Mat frame_gray;
cvtColor(frame, frame_gray, COLOR_BGR2GRAY); // 轉換灰度圖像
equalizeHist(frame_gray, frame_gray); // 直方圖均衡化
// 檢測臉部
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); // faces矩形的中點
ellipse(frame, center, Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0);// 繪製橢圓
Mat faceROI = frame_gray(faces[i]); // ROI
std::vector<Rect> eyes;
eyes_cascade.detectMultiScale(faceROI, eyes, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30)); // 眼部檢測
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);
circle(frame, eye_center, radius, Scalar(255, 0, 0), 4, 8, 0);
}
}
imshow(window_name, frame);
}
運行結果就不貼出來了,只是在原有基礎上加了註釋,親測可行(⊙o⊙)!
11/23小更:
原本計劃是繼續學習OpenCV,後續還會發布SVM等機器學習的內容,但目前還是決定擱置了。在諮詢一畢業數年的博士大牛之後,現在打算開始學習“計算機視覺與機器學習”方向,後續是以python & tensorflow繼續去鑽研這個領域,希望能沉下心去學習研究,不要半途而廢。共勉!