基于Haar分类器的OpenCV人脸检测实例

一．人脸的Haar特征分类器是什么

人脸的Haar特征分类器就是一个XML文件，该文件中会描述人脸的Haar特征值。当然Haar特征的用途可不止可以用来描述人脸这一种，用来描述眼睛，嘴唇或是其它物体也是可以的。
 

二．在哪找人脸的Haar特征分类器

OpenCV有已经自带了人脸的Haar特征分类器。OpenCV安装目录中的\data\
haarcascades目录下的haarcascade_frontalface_alt.xml与haarcascade_frontalface_alt2.xml都是用来检测人脸的Haar分类器。这个haarcascades目录下还有人的全身，眼睛，嘴唇的Haar分类器。读者可以仿照本方的例子来试验下效果看看。
 

三．怎么用人脸的Haar特征分类器

使用人脸的Haar特征分类器非常之简单，直接使用cvHaarDetectObjects。下面来看看这个函数的介绍：
函数功能：检测图像中的目录
函数原型：
CVAPI(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：
第一个参数表示输入图像，尽量使用灰度图以加快检测速度。
第二个参数表示Haar特征分类器，可以用cvLoad()函数来从磁盘中加载xml文件作为Haar特征分类器。
第三个参数为CvMemStorage类型，大家应该很熟悉这个CvMemStorage类型了，《OpenCV入门指南》中很多文章都介绍过了。<
4000
/span>
第四个参数表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%
第五个参数表示构成检测目标的相邻矩形的最小个数(默认为3个)。如果组成检测目标的小矩形的个数和小于 min_neighbors
- 1 都会被排除。如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，这种设定值一般用在用户自定义对检测结果的组合程序上。
第六个参数要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，因此这些区域通常不会是人脸所在区域。
第七个，第八个参数表示检测窗口的最小值和最大值，一般设置为默认即可。
函数返回值：
函数将返回CvSeq对象，该对象包含一系列CvRect表示检测到的人脸矩形。
 

四．人脸检测示例代码

// 基于Haar分类器的OpenCV人脸检测实例
#include <opencv2/opencv.hpp>
#include <cstdio>
#include <cstdlib>
#include <Windows.h>
using namespace std;
int main()
{
// 加载Haar特征检测分类器
// haarcascade_frontalface_alt.xml是OpenCV自带的分类器
CvHaarClassifierCascade *pHaarCascade;
const char *pstrCascadeFileName = "F:\\Software\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml";
pHaarCascade = (CvHaarClassifierCascade*)cvLoad(pstrCascadeFileName);

// 加载图像
const char *pstrImageName = "J:\\faceImage\\318753-130PZZ44879.jpg";
IplImage *pSrcImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_UNCHANGED);
// 转为灰度图像
IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);

// 人脸检测与标记
if (pHaarCascade != NULL)
{
CvScalar FaceCirclecolors[] =
{
{ { 0, 0, 255 } },
{ { 0, 128, 255 } },
{ { 0, 255, 255 } },
{ { 0, 255, 0 } },
{ { 255, 128, 0 } },
{ { 255, 255, 0 } },
{ { 255, 0, 0 } },
{ { 255, 0, 255 } }
};

CvMemStorage *pcvMStorage = cvCreateMemStorage(0);
cvClearMemStorage(pcvMStorage);
// 识别
DWORD dwTimeBegin, dwTimeEnd;
dwTimeBegin = GetTickCount();
//返回CvSeq对象，该对象包含一系列CvRect表示检测到的人脸矩形
CvSeq *pcvSeqFaces = cvHaarDetectObjects(pGrayImage, pHaarCascade, pcvMStorage);
dwTimeEnd = GetTickCount();

printf("人脸个数: %d   识别用时: %d ms\n", pcvSeqFaces->total, dwTimeEnd - dwTimeBegin);

// 标记
for (int i = 0; i <pcvSeqFaces->total; i++)
{
CvRect* r = (CvRect*)cvGetSeqElem(pcvSeqFaces, i);
CvPoint center;
int radius;
center.x = cvRound((r->x + r->width * 0.5));
center.y = cvRound((r->y + r->height * 0.5));
radius = cvRound((r->width + r->height) * 0.25);
cvCircle(pSrcImage, center, radius, FaceCirclecolors[i % 8], 2);
}
cvReleaseMemStorage(&pcvMStorage);
}

const char *pstrWindowsTitle = "人脸识别";
cvNamedWindow(pstrWindowsTitle, CV_WINDOW_AUTOSIZE);
cvShowImage(pstrWindowsTitle, pSrcImage);

cvWaitKey(0);

cvDestroyWindow(pstrWindowsTitle);
cvReleaseImage(&pSrcImage);
cvReleaseImage(&pGrayImage);
return 0;
}

五．人脸检测程序运行结果

      本文主要转载自：http://blog.csdn.net/MoreWindows/article/details/8426318