训练自己的haar-like特征分类器并识别物体（3）

在前两篇文章中，我介绍了《训练自己的haar-like特征分类器并识别物体》的前三个步骤：

1.准备训练样本图片，包括正例及反例样本

2.生成样本描述文件

3.训练样本

4.目标识别

==============

本文将着重说明最后一个阶段——目标识别，也即利用前面训练出来的分类器文件(.xml文件)对图片中的物体进行识别，并在图中框出在该物体。由于逻辑比较简单，这里直接上代码：

1 void detect_and_draw(IplImage* img )
2 {
3     double scale=1.2;
4     static CvScalar colors[] = {
5         {{0,0,255}},{{0,128,255}},{{0,255,255}},{{0,255,0}},
6         {{255,128,0}},{{255,255,0}},{{255,0,0}},{{255,0,255}}
7     };//Just some pretty colors to draw with
8
9     //Image Preparation
10     //
11     IplImage* gray = cvCreateImage(cvSize(img->width,img->height),8,1);
12     IplImage* small_img=cvCreateImage(cvSize(cvRound(img->width/scale),cvRound(img->height/scale)),8,1);
13     cvCvtColor(img,gray, CV_BGR2GRAY);
14     cvResize(gray, small_img, CV_INTER_LINEAR);
15
16     cvEqualizeHist(small_img,small_img); //直方图均衡
17
18     //Detect objects if any
19     //
20     cvClearMemStorage(storage);
21     double t = (double)cvGetTickCount();
22     CvSeq* objects = cvHaarDetectObjects(small_img,
23         cascade,
24         storage,
25         1.1,
26         2,
27         0/*CV_HAAR_DO_CANNY_PRUNING*/,
28         cvSize(30,30));
29
30     t = (double)cvGetTickCount() - t;
31     printf( "detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) );
32
33     //Loop through found objects and draw boxes around them
34     for(int i=0;i<(objects? objects->total:0);++i)
35     {
36         CvRect* r=(CvRect*)cvGetSeqElem(objects,i);
37         cvRectangle(img, cvPoint(r->x*scale,r->y*scale), cvPoint((r->x+r->width)*scale,(r->y+r->height)*scale), colors[i%8]);
38     }
39     for( int i = 0; i < (objects? objects->total : 0); i++ )
40     {
41         CvRect* r = (CvRect*)cvGetSeqElem( objects, i );
42         CvPoint center;
43         int radius;
44         center.x = cvRound((r->x + r->width*0.5)*scale);
45         center.y = cvRound((r->y + r->height*0.5)*scale);
46         radius = cvRound((r->width + r->height)*0.25*scale);
47         cvCircle( img, center, radius, colors[i%8], 3, 8, 0 );
48     }
49
50     cvShowImage( "result", img );
51     cvReleaseImage(&gray);
52     cvReleaseImage(&small_img);
53 }

===================================

其实上面的代码可以运用于大部分模式识别问题，无论是自己生成的xml文件还是opencv自带的xml文件。在opencv的工程目录opencv\data文件夹下有大量的xml文件，这些都是opencv开源项目中的程序员们自己训练出来的。然而，效果一般不会合你预期，所以才有了本系列文章。天下没有免费的午餐，想要获得更高的查准率与查全率，不付出点努力是不行的！