OpenCv 之（图片人脸识别）和 （摄像头读入）

先来张人脸识别效果图：

1、
4000
概述

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

2、人脸识别步骤

1    人脸图像采集及检测
2    人脸图像预处理
3    人脸图像特征提取以及匹配与识别

3、 人脸识别的方法

在OpenCV中主要使用了两种特征（即两种方法）进行人脸检测，Haar特征和LBP特征。使用已经训练好的XML格式的分类器进行人脸检测。在OpenCV的安装目录下的sources文件夹里的data文件夹里可以看到下图所示的内容（opencv\sources\data\haarcascades ）：

文件夹的名字“haarcascades”、“hogcascades”和“lbpcascades”分别表示通过“haar”、“hog”和“lbp”三种不同的特征而训练出的分类器："haar"特征主要用于人脸检测，“hog”特征主要用于行人检测，“lbp”特征主要用于人脸识别，“eye”特征主要用于眼睛的检测识别。

实现人脸检测主要依赖于detectMultiScale()函数，下面简单说一下函数参数的含义，先看函数原型：

CV_WRAP virtual void detectMultiScale( const Mat& image,
CV_OUT vector<Rect>& objects,
double scaleFactor=1.1,
int minNeighbors=3, int flags=0,
Size minSize=Size(),
Size maxSize=Size() );

各参数含义：
const Mat& image: 需要被检测的图像（灰度图）
vector<Rect>& objects: 保存被检测出的人脸位置坐标序列
double scaleFactor: 每次图片缩放的比例
int minNeighbors: 每一个人脸至少要检测到多少次才算是真的人脸
int flags： 决定是缩放分类器来检测，还是缩放图像
Size(): 表示人脸的最大最小尺寸

4、源代码分析

（1）检测图片中的人脸

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/calib3d/calib3d.hpp>

using namespace std;
using namespace cv;

int main()
{
Mat image, image_gray;      //定义两个Mat变量，用于存储每一帧的图像

image = imread("F://1.png");
imshow("原图", image);

cvtColor(image, image_gray, CV_BGR2GRAY);//转为灰度图
equalizeHist(image_gray, image_gray);//直方图均衡化，增加对比度方便处理

CascadeClassifier eye_Classifier;  //载入分类器
CascadeClassifier face_cascade;    //载入分类器

//加载分类训练器，OpenCv官方文档提供的xml文档，可以直接调用
//xml文档路径  opencv\sources\data\haarcascades
if (!eye_Classifier.load("F:\\haarcascade_eye.xml"))  //需要将xml文档放在自己指定的路径下
{
cout << "Load haarcascade_eye.xml failed!" << endl;
return 0;
}

if (!face_cascade.load("F:\\haarcascade_frontalface_alt.xml"))
{
cout << "Load haarcascade_frontalface_alt failed!" << endl;
return 0;
}

//vector 是个类模板 需要提供明确的模板实参 vector<Rect>则是个确定的类 模板的实例化
vector<Rect> eyeRect;
vector<Rect> faceRect;

//检测关于眼睛部位位置
eye_Classifier.detectMultiScale(image_gray, eyeRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));
for (size_t eyeIdx = 0; eyeIdx < eyeRect.size(); eyeIdx++)
{
rectangle(image, eyeRect[eyeIdx], Scalar(0, 0, 255));   //用矩形画出检测到的位置
}

//检测关于脸部位置
face_cascade.detectMultiScale(image_gray, faceRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));
for (size_t i = 0; i < faceRect.size(); i++)
{
rectangle(image, faceRect[i], Scalar(0, 0, 255));      //用矩形画出检测到的位置
}

imshow("人脸识别图", image);         //显示当前帧
waitKey(0);

}

return 0;
}

（2）检测摄像头中的人脸

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/calib3d/calib3d.hpp>

using namespace std;
using namespace cv;

int main()
{
Mat image, image_gray;      //定义两个Mat变量，用于存储每一帧的图像
VideoCapture capture(0);    //从摄像头读入视频

while (1)                  //循环显示每一帧
{
capture >> image;     //读取当前帧

//image = imread("F://1.png");
//imshow("原图", image);

cvtColor(image, image_gray, CV_BGR2GRAY);//转为灰度图
equalizeHist(image_gray, image_gray);//直方图均衡化，增加对比度方便处理

CascadeClassifier eye_Classifier;  //载入分类器
CascadeClassifier face_cascade;    //载入分类器

//加载分类训练器，OpenCv官方文档提供的xml文档，可以直接调用
//xml文档路径  opencv\sources\data\haarcascades
if (!eye_Classifier.load("F:\\haarcascade_eye.xml"))  //需要将xml文档放在自己指定的路径下
{
cout << "Load haarcascade_eye.xml failed!" << endl;
return 0;
}

if (!face_cascade.load("F:\\haarcascade_frontalface_alt.xml"))
{
cout << "Load haarcascade_frontalface_alt failed!" << endl;
return 0;
}

//vector 是个类模板 需要提供明确的模板实参 vector<Rect>则是个确定的类 模板的实例化
vector<Rect> eyeRect;
vector<Rect> faceRect;

//检测关于眼睛部位位置
eye_Classifier.detectMultiScale(image_gray, eyeRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));//检测
for (size_t eyeIdx = 0; eyeIdx < eyeRect.size(); eyeIdx++)
{
rectangle(image, eyeRect[eyeIdx], Scalar(0, 0, 255));   //用矩形画出检测到的位置
}

//检测关于脸部位置
face_cascade.detectMultiScale(image_gray, faceRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));//检测
for (size_t i = 0; i < faceRect.size(); i++)
{
rectangle(image, faceRect[i], Scalar(0, 0, 255));      //用矩形画出检测到的位置
}

imshow("人脸识别图", image);         //显示当前帧
char c = waitKey(30);         //延时30ms，即每秒播放33帧图像
if (c == 27)  break;
}

return 0;
}