【轉載】opencv實現人臉檢測

全文轉載自CSDN的博客（不知道怎麼將CSDN的博客轉到博客園，應該沒這功能吧，因此直接複製全文了），轉載地址以下

http://blog.csdn.net/lsq2902101015/article/details/47057081

本篇文章主要介紹瞭如何使用OpenCV實現人臉檢測。本文不具體講解人臉檢測的原理，直接使用OpenCV實現。

OpenCV版本：2.4.10；VS開發版本：VS2012。

 

1、OpenCV人臉檢測

 

要實現人臉識別功能，首先要進行人臉檢測，判斷出圖片中人臉的位置，才能進行下一步的操做。

 

一、OpenCV人臉檢測的方法

 

在OpenCV中主要使用了兩種特徵（即兩種方法）進行人臉檢測，Haar特徵和LBP特徵。

在OpenCV中，使用已經訓練好的XML格式的分類器進行人臉檢測。在OpenCV的安裝目錄下的sources文件夾裏的data文件夾裏能夠看到下圖所示的內容：

上圖中文件夾的名字「haarcascades」、「hogcascades」和「lbpcascades」分別表示經過「haar」、「hog」和「lbp」三種不一樣的特徵而訓練出的分類器：即各文件夾裏的文件。"haar"特徵主要用於人臉檢測，「hog」特徵主要用於行人檢測，「lbp」特徵主要用於人臉識別。打開「haarcascades」文件夾，以下圖所示

圖中的XML文件便是咱們人臉檢測所須要的分類器文件。在實際使用中，推薦使用上圖中被標記的「haarcascade_frontalface_alt2.xml」分類器文件，準確率和速度都比較好。

 

二、OpenCV中的人臉檢測的類

 

在OpenCV中，使用類「CascadeClassifier」進行人臉檢測

CascadeClassifier faceCascade;   //實例化對象  

所須要使用的函數：

faceCascade.load("../data/haarcascade_frontalface_alt2");  //加載分類器  
faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0));  //多尺寸檢測人臉  

實現人臉檢測主要依賴於detectMultiScale()函數，下面簡單說一下函數參數的含義，先看函數原型：

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() );

各參數含義：

• const Mat& image: 須要被檢測的圖像（灰度圖）
• vector<Rect>& objects: 保存被檢測出的人臉位置座標序列
• double scaleFactor: 每次圖片縮放的比例
• int minNeighbors: 每個人臉至少要檢測到多少次纔算是真的人臉
• int flags： 決定是縮放分類器來檢測，仍是縮放圖像
• Size(): 表示人臉的最大最小尺寸

2、代碼實現

 

一、檢測圖片中的人臉

//頭文件
#include<opencv2/objdetect/objdetect.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>

using namespace cv;

//人臉檢測的類
CascadeClassifier faceCascade;

int main()
{
    faceCascade.load("../data/haarcascade_frontalface_alt2.xml");   //加載分類器，注意文件路徑

    Mat img = imread("../data/PrettyGirl.jpg");
    Mat imgGray;
    vector<Rect> faces;

    if(img.empty())
    {
      return 1;
    }

    if(img.channels() ==3)
    {
       cvtColor(img, imgGray, CV_RGB2GRAY);
    }
    else
    {
       imgGray = img;
    }

    faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0));   //檢測人臉

    if(faces.size()>0)
    {
       for(int i =0; i<faces.size(); i++)
       {
           rectangle(img, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height), 
                           Scalar(0, 255, 0), 1, 8);    //框出人臉位置
       }
    }

    imshow("FacesOfPrettyGirl", img);

    waitKey(0);
    return 0;
}

結果以下圖：

二、檢測視頻中的人臉

 

//頭文件  
#include<opencv2/objdetect/objdetect.hpp>  
#include<opencv2/highgui/highgui.hpp>  
#include<opencv2/imgproc/imgproc.hpp>  
  
using namespace cv;  
  
//人臉檢測的類  
CascadeClassifier faceCascade;  
  
int main()  
{  
    faceCascade.load("../data/haarcascade_frontalface_alt2.xml");   //加載分類器，注意文件路徑  
  
    VideoCapture cap;    
    cap.open(0);   //打開攝像頭  
    //cap.open("../data/test.avi");   //打開視頻  
    Mat img, imgGray;  
    vector<Rect> faces;  
    int c = 0;  
  
    if(!cap.isOpened())  
    {  
      return 1;  
    }  
  
    while(c!=27)  
    {  
        cap>>img;  
       if(img.channels() ==3)  
       {  
          cvtColor(img, imgGray, CV_RGB2GRAY);  
       }  
       else  
       {  
          imgGray = img;  
       }  
  
       faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0));   //檢測人臉  
  
       if(faces.size()>0)  
       {  
          for(int i =0; i<faces.size(); i++)  
          {  
              rectangle(img, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height),   
                              Scalar(0, 255, 0), 1, 8);    //框出人臉位置  
          }  
       }  
      
       imshow("Camera", img);  
       c = waitKey(1);  
    }  
    return 0;  
}  

在視頻實時檢測時，可能會出現卡頓，是由於檢測人臉花費了過多的時間，這裏代碼只實現基本功能，並未優化。