OpenFace库(Tadas Baltrusaitis)中基于Haar Cascade Classifiers进行人脸检測的測试代码
2017-08-11 14:03
381 查看
Tadas Baltrusaitis的OpenFace是一个开源的面部行为分析工具。它的源代码能够从 https://github.com/TadasBaltrusaitis/OpenFace 下载。OpenFace主要包含面部关键点检測(facial landmard detection)、头部姿势预计(head pose estimation)、面部动作单元识别(facial action unit recognition)、人眼视线方向预计(eye gaze estimation)。
编译Tadas Baltrusaitis的OpenFace须要依赖开源库boost、dlib、TBB、OpenCV。
下面是基于Haar Cascade Classifiers方法的人脸检測的測试代码:
人脸检測结果例如以下:
GitHub:https://github.com/fengbingchun/Face_Test
编译Tadas Baltrusaitis的OpenFace须要依赖开源库boost、dlib、TBB、OpenCV。
下面是基于Haar Cascade Classifiers方法的人脸检測的測试代码:
#include "funset.hpp" #include <vector> #include <string> #include <fstream> #include <filesystem.hpp> #include <filesystem/fstream.hpp> #include <dlib/image_processing/frontal_face_detector.h> #include <tbb/tbb.h> #include <opencv2/opencv.hpp> #include <LandmarkCoreIncludes.h> #include <FaceAnalyser.h> #include <GazeEstimation.h> #define CONFIG_DIR "E:/GitCode/Face_Test/src/TadasBaltrusaitis_OpenFace/lib/local/LandmarkDetector/" int test_FaceDetect_HaarCascade() { std::vector<std::string> arguments{ "", "-wild", "-fdir", "E:/GitCode/Face_Test/testdata/", "-ofdir", "E:/GitCode/Face_Test/testdata/ret1/", "-oidir", "E:/GitCode/Face_Test/testdata/ret2/" }; std::vector<std::string> files, depth_files, output_images, output_landmark_locations, output_pose_locations; std::vector<cv::Rect_<double> > bounding_boxes; // Bounding boxes for a face in each image (optional) LandmarkDetector::get_image_input_output_params(files, depth_files, output_landmark_locations, output_pose_locations, output_images, bounding_boxes, arguments); LandmarkDetector::FaceModelParameters det_parameters(arguments); cv::CascadeClassifier classifier(det_parameters.face_detector_location); for (auto file : files) { cv::Mat grayscale_image = cv::imread(file, 0); if (grayscale_image.empty()) { fprintf(stderr, "Could not read the input image: %s\n", file.c_str()); return -1; } int pos = file.find_last_of("\\"); std::string image_name = file.substr(pos + 1); std::vector<cv::Rect_<double> > face_detections; // Detect faces in an image LandmarkDetector::DetectFaces(face_detections, grayscale_image, classifier); std::string image_path = file.substr(0, pos); std::string save_result = image_path + "/ret2/_" + image_name; cv::Mat bgr = cv::imread(file, 1); fprintf(stderr, "%s face count: %d\n", image_name.c_str(), face_detections.size()); for (int i = 0; i < face_detections.size(); ++i) { cv::Rect_<double> rect{ face_detections[i] }; fprintf(stderr, " x: %.2f, y: %.2f, width: %.2f, height: %.2f\n", rect.x, rect.y, rect.width, rect.height); cv::rectangle(bgr, cv::Rect(rect.x, rect.y, rect.width, rect.height), cv::Scalar(0, 255, 0), 2); } cv::imwrite(save_result, bgr); } int width = 200; int height = 200; cv::Mat dst(height * 5, width * 4, CV_8UC3); int pos = files[0].find_last_of("\\"); std::string image_path = files[0].substr(0, pos); for (int i = 0; i < files.size(); i++) { std::string image_name = files[i].substr(pos + 1); std::string input_image = image_path + "/ret2/_" + image_name; cv::Mat src = cv::imread(input_image, 1); if (src.empty()) { fprintf(stderr, "read image error: %s\n", input_image.c_str()); return -1; } cv::resize(src, src, cv::Size(width, height), 0, 0, 4); int x = (i * width) % (width * 4); int y = (i / 4) * height; cv::Mat part = dst(cv::Rect(x, y, width, height)); src.copyTo(part); } std::string output_image = image_path + "/ret2/result.png"; cv::imwrite(output_image, dst); return 0; }运行结果例如以下图:
人脸检測结果例如以下:
GitHub:https://github.com/fengbingchun/Face_Test
相关文章推荐
- OpenFace库(Tadas Baltrusaitis)中基于Haar Cascade Classifiers进行人脸检測的測试代码
- OpenFace库(Tadas Baltrusaitis)中基于Haar Cascade Classifiers进行人脸检测的测试代码
- OpenFace库(Tadas Baltrusaitis)中基于HOG进行正脸人脸检测的测试代码
- 使用Haar Cascade 进行人脸识别
- Hanlp中基于2阶HMM 序列标注算法进行分词的代码解析
- 【OpenCV】基于Adaboost和Haar-like特征人脸识别
- 基于OpenCV读取摄像头进行人脸检测和人脸识别
- 基于redis集群实现的分布式锁,可用于秒杀商品的库存数量管理,有測试代码(何志雄)
- haar cascade 人脸检测
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结2——级联分类器与检测过程
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结2——级联分类器与检测过程 .
- 运用PCA(主成分分析法)进行人脸识别的MATLAB 代码实现
- 基于opencv2.0的haar算法以人脸识别为例的训练分类器xml的方法
- 利用OpenCV的Haar特征目标检测方法进行人脸识别的尝试(一)
- 基于X.509证书和SSL协议的身份认证过程实现(OpenSSL可以自己产生证书,有TCP通过SSL进行实际安全通讯的实际编程代码)good
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结1——Haar特征与积分图
- 【OpenCV】基于Adaboost和Haar-like特征人脸识别
- 基于Gabor特征提取和人工智能神经网络的人脸检测matlab代码
- 人脸识别(六)--haar分类器代码理解
- 学习Haar-Like特征和AdaBoost进行人脸识别