基于opencv和QT的人脸（人眼）检测程序

本篇博客是在作者的上一篇博客《 基于QT和opencv的摄像头（本地图片）读取并输出程序》的基础上进行开发的，利用opencv自带的分类器进行人脸或者人眼的识别。转载请注明出处http://blog.csdn.net/zyx1990412/article/details/51206867
        在上一篇博客里，我们已经实现了对摄像头或者本地图片的读取和输出功能，并且在程序中预留了进行图像处理的函数位置，本文将创建一个图像处理类，对每一帧图像进行人脸或者人眼识别，并在输出图像中框选出人脸或者人眼的位置。由于作者的程序开发不仅仅限于人脸识别的功能，所以作者使用了一个类进行图像处理，读者可以根据需要将这个类改写成函数，人脸识别的部分还是比较简单的。下面直接给出人脸（人眼）检测的函数：

#include "detectanddisplay.h"

void  detectAndDisplay( Mat &frame)
{
string face_cascade_name = "haarcascade_mcs_eyepair_big.xml";//导入已经训练完成的样本
CascadeClassifier face_cascade;//建立分类器
string window_name = "camera";
if( !face_cascade.load( face_cascade_name ) ){
printf("[error] no cascade\n");
}

std::vector<Rect> faces;//用于保存检测结果的向量
Mat frame_gray;

cvtColor( frame, frame_gray, CV_BGR2GRAY );//转换成灰度图
equalizeHist( frame_gray, frame_gray );//直方图均值化

face_cascade.detectMultiScale( frame_gray, faces, 1.1, 2, 0|CV_HAAR_SCALE_IMAGE, Size(30, 30) );//用于检测人眼的函数
//画方框
for( int i = 0; i < faces.size(); i++ ){
Point centera( faces[i].x, faces[i].y);
Point centerb( faces[i].x + faces[i].width, faces[i].y + faces[i].height );
rectangle(frame,centera,centerb,Scalar(255,0,0));
}

//imshow( window_name, frame );
}

函数首先使用CascadeClassifier类建立一个分类器，然后导入opencv已经训练好的数据样本进行分类，并将结果存入vector<Rect>faces向量中。需要注意的是，"haarcascade_mcs_eyepair_big.xml"文件在opencv中的路径为\opencv\sources\data\haarcascades，运行时需要将该文件放到该项目的Debug文件夹中。Opencv自带了多种已经训练好的人脸特征数据，可以选择自己需要的文件进行替换，如图一。本文选择的分类器是人眼双目检测分类器。


图一

关于face_cascade.detectMultiScale的参数，如下所示

CascadeClassifier::detectMultiScale

对不同大小的输入图像进行物体识别，并返回一个识别到的物体的矩阵列表。

C++: void CascadeClassifier::detectMultiScale(constMat& image,
vector<Rect>& objects,doublescaleFactor=1.1,int minNeighbors=3, int flags=0,Size minSize=Size(), Size maxSize=Size())

参数

·        image – 需要检测的 CV_8U 输入矩阵。 ·        objects – 输出vector载体容器用于保存被识别的物体矩阵。 ·        scaleFactor – 指定每张图片的缩小比例的参数。 ·        minNeighbors – 指定每个候选矩阵至少包含的邻近元素个数。 ·        flags – 与旧版级联分类器模型函数cvHaarDetectObjects的flags相同. 此参数不被用于新版模型。 ·        minSize – 最小可能的对象的大小，小于的对象将被忽略。 ·        maxSize – 最大可能的对象的大小，大于的对象将被忽略。

该函数必须对灰度图像进行处理，关于灰度转换函数和直方图灰度化函数，可以在网上找到大量资料，这里就不详细介绍了。
最终的实际检测结果如图二。



图二