OpenCV实现人脸检测
2013-06-10 01:24
561 查看
转载:http://www.cnblogs.com/mengdd/archive/2012/08/01/2619043.html
OpenCV实现人脸检测
本文介绍最基本的用OpenCV实现人脸检测的方法。一.人脸检测算法原理
Viola-Jones人脸检测方法参考文献:Paul Viola, Michael J. Jones. Robust Real-Time Face Detection[J]. International Journal of Computer Vision,2004,57(2):137-154.
该算法的主要贡献有三:
1.提出积分图像(integral image),从而可以快速计算Haar-like特征。
2.利用Adaboost学习算法进行特征选择和分类器训练,把弱分类器组合成强分类器。
3.采用分类器级联提高效率。
二.OpenCV检测原理
OpenCV中有检测人脸的函数(该函数还可以检测一些其他物体), 甚至还包含一些预先训练好的物体识别文件。所以利用这些现成的东西就可以很快做出一个人脸检测的程序。
主要步骤为:
1.加载分类器。
用cvLoad函数读入xml格式的文件。文件在OpenCV安装目录下的“data/haarcascades/”路径下。
/article/1390629.html推荐使用haarcascade_frontalface_atl.xml和haarcascade_frontalface_atl2.xml
2.读入待检测图像。读入图片或者视频。
3.检测人脸。
主要用的函数:
CvSeq* cvHaarDetectObjects( const CvArr* image, CvHaarClassifierCascade* cascade, CvMemStorage* storage, double scale_factor CV_DEFAULT(1.1), int min_neighbors CV_DEFAULT(3), int flags CV_DEFAULT(0), CvSize min_size CV_DEFAULT(cvSize(0,0)), CvSize max_size CV_DEFAULT(cvSize(0,0)) );
函数说明摘自《学习OpenCV》:
CvArr* image是一个灰度图像,如果设置了ROI,将只处理这个区域。
CvHaarClassifierCascade* cascade是前面读入的分类器特征级联。
CvMemStorage* storage 是这个算法的工作缓存。
scale_factor :算法用不同尺寸的窗口进行扫描,scale_factor是每两个不同大小的窗口之间的尺寸关系。
min_neighbors 控制误检测,因为人脸会被不同位置大小的窗口重复检测到,至少有这么多次检测,我们才认为真的检测到了人脸。
flags有四个可用的数值,它们可以用位或操作结合使用。默认值是CV_HAAR_DO_CANNY_PRUNING,告诉分类器跳过平滑区域。
min_size 指示寻找人脸的最小区域。max_size 显然应该是寻找人脸的最大区域了。。。
4.检测结果表示。
可以画个圈圈或者画个方框表示。
三.代码
#include "cv.h" #include "highgui.h" #include <stdio.h> #include <stdlib.h> #include <string.h> #include <assert.h> #include <math.h> #include <float.h> #include <limits.h> #include <time.h> #include <ctype.h> #ifdef _EiC #define WIN32 #endif static CvMemStorage* storage = 0; static CvHaarClassifierCascade* cascade = 0; void detect_and_draw( IplImage* image ); const char* cascade_name = "haarcascade_frontalface_alt2.xml"; /* "haarcascade_profileface.xml";*/ int main( int argc, char** argv ) { //cascade_name = "haarcascade_frontalface_alt2.xml"; cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 ); if( !cascade ) { fprintf( stderr, "ERROR: Could not load classifier cascade\n" ); return -1; } storage = cvCreateMemStorage(0); cvNamedWindow( "result", 1 ); const char* filename = "suky.bmp"; IplImage* image = cvLoadImage( filename, 1 ); if( image ) { detect_and_draw( image ); cvWaitKey(0); cvReleaseImage( &image ); } cvDestroyWindow("result"); return 0; } void detect_and_draw(IplImage* img ) { double scale=1.2; static CvScalar colors[] = { {{0,0,255}},{{0,128,255}},{{0,255,255}},{{0,255,0}}, {{255,128,0}},{{255,255,0}},{{255,0,0}},{{255,0,255}} };//Just some pretty colors to draw with //Image Preparation IplImage* gray = cvCreateImage(cvSize(img->width,img->height),8,1); IplImage* small_img=cvCreateImage(cvSize(cvRound(img->width/scale),cvRound(img->height/scale)),8,1); cvCvtColor(img,gray, CV_BGR2GRAY); cvResize(gray, small_img, CV_INTER_LINEAR); cvEqualizeHist(small_img,small_img); //直方图均衡 //Detect objects if any cvClearMemStorage(storage); double t = (double)cvGetTickCount(); CvSeq* objects = cvHaarDetectObjects(small_img, cascade, storage, //核心代码 1.1, 2,0 /*CV_HAAR_DO_CANNY_PRUNING*/, cvSize(30,30)); t = (double)cvGetTickCount() - t; printf( "detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) ); //Loop through found objects and draw boxes around them for(int i=0;i<(objects? objects->total:0);++i) { CvRect* r=(CvRect*)cvGetSeqElem(objects,i); /* CVAPI(void) cvRectangle( CvArr* img, CvPoint pt1, CvPoint pt2, CvScalar color, int thickness CV_DEFAULT(1), int line_type CV_DEFAULT(8), int shift CV_DEFAULT(0)); */ cvRectangle(img, cvPoint(r->x*scale,r->y*scale), cvPoint((r->x+r->width)*scale,(r->y+r->height)*scale), colors[i%8],2); } //for( int j = 0; j < (objects? objects->total : 0); i++ ) //{ // CvRect* r = (CvRect*)cvGetSeqElem( objects, i ); // CvPoint center; // int radius; // center.x = cvRound((r->x + r->width*0.5)*scale); // center.y = cvRound((r->y + r->height*0.5)*scale); // radius = cvRound((r->width + r->height)*0.25*scale); // cvCircle( img, center, radius, colors[j%8], 3, 8, 0 ); // } cvShowImage( "result", img ); cvReleaseImage(&gray); cvReleaseImage(&small_img); }
四.结果及一些说明
运行结果如下图:
需要说明的几点:
1.图像和.xml文件要放在该程序的bin目录下(.sln所在的目录)。
2.《学习OpenCV》里面就是用矩形表示,但是书里面的代码不太对,原因是忽略了缩放因子,即void detect_and_draw(IplImage* img )里面的double scale=1.2;
这个缩放因子的作用是:拿到一个图像,首先将它缩放(scale=1.2即变为一个小图像),然后在缩放后的小图像上检测人脸,这样会比较快。
最基本的就这么多吧。
注:本文所用OpenCV版本为1.0
相关文章推荐
- Opencv实现简单的人脸检测
- opencv2实现人脸及人眼检测_相当稳定
- python下通过dlib和opencv实现人脸对齐(包括关键点检测和仿射变换)
- 利用OpenCV的级联分类器类CascadeClassifier和Haar特征实现人脸区域的检测
- Android使用OpenCV实现「人脸检测」和「人脸识别」
- opencv实现人脸眼睛的检测
- 利用html5、websocket和opencv实现人脸检测
- VS2010+Opencv2.4.4+MFC实现人脸检测与识别
- JAVA应用JNI调用OpenCV实现人脸检测
- 关于QT+OPENCV 实现人脸检测
- opencv2实现人脸眼鼻口检测_不大稳定
- 【转】OpenCV实现人脸检测
- opencv实现人脸检测
- opencv 实现人脸检测(opencv3.3 + visual studio 2017)
- python结合opencv实现人脸检测与跟踪
- python结合opencv实现人脸检测与跟踪
- 【AdaBoost算法】基于OpenCV实现人脸检测Demo
- OpenCV实现人脸检测
- OpenCV+Dlib实现人脸68个特征点检测
- mini6410成功移植OPENCV-2.0.0实现人脸检测