基于openCV实现人脸检测
时间:2019-04-12
本文章向大家介绍基于openCV实现人脸检测，主要包括基于openCV实现人脸检测使用实例、应用技巧、基本知识点总结和需要注意事项，具有一定的参考价值，需要的朋友可以参考一下。
openCV的人脸识别主要通过Haar分类器实现，当然，这是在已有训练数据的基础上。openCV安装在 opencv/opencv/sources/data/haarcascades_cuda（或haarcascades）中存在预先训练好的物体检测器（xml格式），包括正脸、侧脸、眼睛、微笑、上半身、下半身、全身等。
openCV的的Haar分类器是一个监督分类器，首先对图像进行直方图均衡化并归一化到同样大小，然后标记里面是否包含要监测的物体。它首先由Paul Viola和Michael Jones设计，称为Viola Jones检测器。Viola Jones分类器在级联的每个节点中使用AdaBoost来学习一个高检测率低拒绝率的多层树分类器。它使用了以下一些新的特征：
1. 使用类Haar输入特征：对矩形图像区域的和或者差进行阈值化。
2. 积分图像技术加速了矩形区域的45°旋转的值的计算，用来加速类Haar输入特征的计算。
3. 使用统计boosting来创建两类问题（人脸和非人脸）的分类器节点（高通过率，低拒绝率）
4. 把弱分类器节点组成筛选式级联。即，第一组分类器最优，能通过包含物体的图像区域，同时允许一些不包含物体通过的图像通过；第二组分
类器次优分类器，也是有较低的拒绝率；以此类推。也就是说，对于每个boosting分类器，只要有人脸都能检测到，同时拒绝一小部分非人脸，并将其传给下一个分类器，是为低拒绝率。以此类推，最后一个分类器将几乎所有的非人脸都拒绝掉，只剩下人脸区域。只要图像区域通过了整个级联，则认为里面有物体。
此技术虽然适用于人脸检测，但不限于人脸检测，还可用于其他物体的检测，如汽车、飞机等的正面、侧面、后面检测。在检测时，先导入训练好的参数文件，其中haarcascade_frontalface_alt2.xml对正面脸的识别效果较好haarcascade_profileface.xml对侧脸的检测效果较好。当然，如果要达到更高的分类精度，可以收集更多的数据进行训练，这是后话。
以下代码基本实现了正脸、眼睛、微笑、侧脸的识别，若要添加其他功能，可以自行调整。
// faceDetector.h
// This is just the face, eye, smile, profile detector from OpenCV's samples/c directory
//
/* *************** License:**************************
Jul. 18, 2016
Author: Liuph
Right to use this code in any way you want without warranty, support or any guarantee of it working.
OTHER OPENCV SITES:
* The source code is on sourceforge at:
http://sourceforge.net/projects/opencvlibrary/
* The OpenCV wiki page (As of Oct 1, 2008 this is down for changing over servers, but should come back):
http://opencvlibrary.sourceforge.net/
* An active user group is at:
http://tech.groups.yahoo.com/group/OpenCV/
* The minutes of weekly OpenCV development meetings are at:
http://pr.willowgarage.com/wiki/OpenCV
************************************************** */
#include "cv.h"
#include "highgui.h"
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <assert.h>
#include <math.h>
#include <float.h>
#include <limits.h>
#include <time.h>
#include <ctype.h>
#include <iostream>
using namespace std;
static CvMemStorage* storage = 0;
static CvHaarClassifierCascade* cascade = 0;
static CvHaarClassifierCascade* nested_cascade = 0;
static CvHaarClassifierCascade* smile_cascade = 0;
static CvHaarClassifierCascade* profile = 0;
int use_nested_cascade = 0;
void detect_and_draw( IplImage* image );
/* The path that stores the trained parameter files.
After openCv is installed, the file path is
"opencv/opencv/sources/data/haarcascades_cuda" or "opencv/opencv/sources/data/haarcascades" */
const char* cascade_name =
"../faceDetect/haarcascade_frontalface_alt2.xml";
const char* nested_cascade_name =
"../faceDetect/haarcascade_eye_tree_eyeglasses.xml";
const char* smile_cascade_name =
"../faceDetect/haarcascade_smile.xml";
const char* profile_name =
"../faceDetect/haarcascade_profileface.xml";
double scale = 1;
int faceDetector(const char* imageName, int nNested, int nSmile, int nProfile)
{
CvCapture* capture = 0;
IplImage *frame, *frame_copy = 0;
IplImage *image = 0;
const char* scale_opt = "--scale=";
int scale_opt_len = (int)strlen(scale_opt);
const char* cascade_opt = "--cascade=";
int cascade_opt_len = (int)strlen(cascade_opt);
const char* nested_cascade_opt = "--nested-cascade";
int nested_cascade_opt_len = (int)strlen(nested_cascade_opt);
const char* smile_cascade_opt = "--smile-cascade";
int smile_cascade_opt_len = (int)strlen(smile_cascade_opt);
const char* profile_opt = "--profile";
int profile_opt_len = (int)strlen(profile_opt);
int i;
const char* input_name = 0;
int opt_num = 7;
char** opts = new char*[7];
opts[0] = "compile_opencv.exe";
opts[1] = "--scale=1";
opts[2] = "--cascade=1";
if (nNested == 1)
opts[3] = "--nested-cascade=1";
else
opts[3] = "--nested-cascade=0";
if (nSmile == 1)
opts[4] = "--smile-cascade=1";
else
opts[4] = "--smile-cascade=0";
if (nProfile == 1)
opts[5] = "--profile=1";
else
opts[5] = "--profile=0";
opts[6] = (char*)imageName;
for( i = 1; i < opt_num; i++ )
{
if( strncmp( opts[i], cascade_opt, cascade_opt_len) == 0)
{
cout<<"cascade: "<<cascade_name<<endl;
}
else if( strncmp( opts[i], nested_cascade_opt, nested_cascade_opt_len ) == 0)
{
if( opts[i][nested_cascade_opt_len + 1] == '1')
{
cout<<"nested: "<<nested_cascade_name<<endl;
nested_cascade = (CvHaarClassifierCascade*)cvLoad( nested_cascade_name, 0, 0, 0 );
}
if( !nested_cascade )
fprintf( stderr, "WARNING: Could not load classifier cascade for nested objects\n" );
}
else if( strncmp( opts[i], scale_opt, scale_opt_len ) == 0 )
{
cout<< "scale: "<< scale<<endl;
if( !sscanf( opts[i] + scale_opt_len, "%lf", &scale ) || scale < 1 )
scale = 1;
}
else if (strncmp( opts[i], smile_cascade_opt, smile_cascade_opt_len ) == 0)
{
if( opts[i][smile_cascade_opt_len + 1] == '1')
{
cout<<"smile: "<<smile_cascade_name<<endl;
smile_cascade = (CvHaarClassifierCascade*)cvLoad( smile_cascade_name, 0, 0, 0 );
}
if( !smile_cascade )
fprintf( stderr, "WARNING: Could not load classifier cascade for smile objects\n" );
}
else if (strncmp( opts[i], profile_opt, profile_opt_len ) == 0)
{
if( opts[i][profile_opt_len + 1] == '1')
{
cout<<"profile: "<<profile_name<<endl;
profile = (CvHaarClassifierCascade*)cvLoad( profile_name, 0, 0, 0 );
}
if( !profile )
fprintf( stderr, "WARNING: Could not load classifier cascade for profile objects\n" );
}
else if( opts[i][0] == '-' )
{
fprintf( stderr, "WARNING: Unknown option %s\n", opts[i] );
}
else
{
input_name = imageName;
printf("input_name: %s\n", imageName);
}
}
cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 );
if( !cascade )
{
fprintf( stderr, "ERROR: Could not load classifier cascade\n" );
fprintf( stderr,
"Usage: facedetect [--cascade=\"<cascade_path>\"]\n"
" [--nested-cascade[=\"nested_cascade_path\"]]\n"
" [--scale[=<image scale>\n"
" [filename|camera_index]\n" );
return -1;
}
storage = cvCreateMemStorage(0);
if( !input_name || (isdigit(input_name[0]) && input_name[1] == '\0') )
capture = cvCaptureFromCAM( !input_name ? 0 : input_name[0] - '0' );
else if( input_name )
{
image = cvLoadImage( input_name, 1 );
if( !image )
capture = cvCaptureFromAVI( input_name );
}
else
image = cvLoadImage( "../lena.jpg", 1 );
cvNamedWindow( "result", 1 );
if( capture )
{
for(;;)
{
if( !cvGrabFrame( capture ))
break;
frame = cvRetrieveFrame( capture );
if( !frame )
break;
if( !frame_copy )
frame_copy = cvCreateImage( cvSize(frame->width,frame->height),
IPL_DEPTH_8U, frame->nChannels );
if( frame->origin == IPL_ORIGIN_TL )
cvCopy( frame, frame_copy, 0 );
else
cvFlip( frame, frame_copy, 0 );
detect_and_draw( frame_copy );
if( cvWaitKey( 10 ) >= 0 )
goto _cleanup_;
}
cvWaitKey(0);
_cleanup_:
cvReleaseImage( &frame_copy );
cvReleaseCapture( &capture );
}
else
{
if( image )
{
detect_and_draw( image );
cvWaitKey(0);
cvReleaseImage( &image );
}
else if( input_name )
{
/* assume it is a text file containing the
list of the image filenames to be processed - one per line */
FILE* f = fopen( input_name, "rt" );
if( f )
{
char buf[1000+1];
while( fgets( buf, 1000, f ) )
{
int len = (int)strlen(buf), c;
while( len > 0 && isspace(buf[len-1]) )
len--;
buf[len] = '\0';
printf( "file %s\n", buf );
image = cvLoadImage( buf, 1 );
if( image )
{
detect_and_draw( image );
c = cvWaitKey(0);
if( c == 27 || c == 'q' || c == 'Q' )
break;
cvReleaseImage( &image );
}
}
fclose(f);
}
}
}
cvDestroyWindow("result");
return 0;
}
void detect_and_draw( IplImage* img )
{
static CvScalar colors[] =
{
{{0,0,255}},
{{0,128,255}},
{{0,255,255}},
{{0,255,0}},
{{255,128,0}},
{{255,255,0}},
{{255,0,0}},
{{255,0,255}}
};
IplImage *gray, *small_img;
int i, j;
gray = cvCreateImage( cvSize(img->width,img->height), 8, 1 );
small_img = cvCreateImage( cvSize( cvRound (img->width/scale),
cvRound (img->height/scale)), 8, 1 );
cvCvtColor( img, gray, CV_BGR2GRAY );
cvResize( gray, small_img, CV_INTER_LINEAR );
cvEqualizeHist( small_img, small_img );
cvClearMemStorage( storage );
if( cascade )
{
double t = (double)cvGetTickCount();
CvSeq* faces = cvHaarDetectObjects( small_img, cascade, storage,
1.1, 2, 0
//|CV_HAAR_FIND_BIGGEST_OBJECT
//|CV_HAAR_DO_ROUGH_SEARCH
|CV_HAAR_DO_CANNY_PRUNING
//|CV_HAAR_SCALE_IMAGE
,
cvSize(30, 30) );
t = (double)cvGetTickCount() - t;
printf( "faces detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) );
for( i = 0; i < (faces ? faces->total : 0); i++ )
{
CvRect* r = (CvRect*)cvGetSeqElem( faces, i );
CvMat small_img_roi;
CvSeq* nested_objects;
CvSeq* smile_objects;
CvPoint center;
CvScalar color = colors[i%8];
int radius;
center.x = cvRound((r->x + r->width*0.5)*scale);
center.y = cvRound((r->y + r->height*0.5)*scale);
radius = cvRound((r->width + r->height)*0.25*scale);
cvCircle( img, center, radius, color, 3, 8, 0 );
//eye
if( nested_cascade != 0)
{
cvGetSubRect( small_img, &small_img_roi, *r );
nested_objects = cvHaarDetectObjects( &small_img_roi, nested_cascade, storage,
1.1, 2, 0
//|CV_HAAR_FIND_BIGGEST_OBJECT
//|CV_HAAR_DO_ROUGH_SEARCH
//|CV_HAAR_DO_CANNY_PRUNING
//|CV_HAAR_SCALE_IMAGE
,
cvSize(0, 0) );
for( j = 0; j < (nested_objects ? nested_objects->total : 0); j++ )
{
CvRect* nr = (CvRect*)cvGetSeqElem( nested_objects, j );
center.x = cvRound((r->x + nr->x + nr->width*0.5)*scale);
center.y = cvRound((r->y + nr->y + nr->height*0.5)*scale);
radius = cvRound((nr->width + nr->height)*0.25*scale);
cvCircle( img, center, radius, color, 3, 8, 0 );
}
}
//smile
if (smile_cascade != 0)
{
cvGetSubRect( small_img, &small_img_roi, *r );
smile_objects = cvHaarDetectObjects( &small_img_roi, smile_cascade, storage,
1.1, 2, 0
//|CV_HAAR_FIND_BIGGEST_OBJECT
//|CV_HAAR_DO_ROUGH_SEARCH
//|CV_HAAR_DO_CANNY_PRUNING
//|CV_HAAR_SCALE_IMAGE
,
cvSize(0, 0) );
for( j = 0; j < (smile_objects ? smile_objects->total : 0); j++ )
{
CvRect* nr = (CvRect*)cvGetSeqElem( smile_objects, j );
center.x = cvRound((r->x + nr->x + nr->width*0.5)*scale);
center.y = cvRound((r->y + nr->y + nr->height*0.5)*scale);
radius = cvRound((nr->width + nr->height)*0.25*scale);
cvCircle( img, center, radius, color, 3, 8, 0 );
}
}
}
}
if( profile )
{
double t = (double)cvGetTickCount();
CvSeq* faces = cvHaarDetectObjects( small_img, profile, storage,
1.1, 2, 0
//|CV_HAAR_FIND_BIGGEST_OBJECT
//|CV_HAAR_DO_ROUGH_SEARCH
|CV_HAAR_DO_CANNY_PRUNING
//|CV_HAAR_SCALE_IMAGE
,
cvSize(30, 30) );
t = (double)cvGetTickCount() - t;
printf( "profile faces detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) );
for( i = 0; i < (faces ? faces->total : 0); i++ )
{
CvRect* r = (CvRect*)cvGetSeqElem( faces, i );
CvMat small_img_roi;
CvSeq* nested_objects;
CvSeq* smile_objects;
CvPoint center;
CvScalar color = colors[(7-i)%8];
int radius;
center.x = cvRound((r->x + r->width*0.5)*scale);
center.y = cvRound((r->y + r->height*0.5)*scale);
radius = cvRound((r->width + r->height)*0.25*scale);
cvCircle( img, center, radius, color, 3, 8, 0 );
//eye
if( nested_cascade != 0)
{
cvGetSubRect( small_img, &small_img_roi, *r );
nested_objects = cvHaarDetectObjects( &small_img_roi, nested_cascade, storage,
1.1, 2, 0
//|CV_HAAR_FIND_BIGGEST_OBJECT
//|CV_HAAR_DO_ROUGH_SEARCH
//|CV_HAAR_DO_CANNY_PRUNING
//|CV_HAAR_SCALE_IMAGE
,
cvSize(0, 0) );
for( j = 0; j < (nested_objects ? nested_objects->total : 0); j++ )
{
CvRect* nr = (CvRect*)cvGetSeqElem( nested_objects, j );
center.x = cvRound((r->x + nr->x + nr->width*0.5)*scale);
center.y = cvRound((r->y + nr->y + nr->height*0.5)*scale);
radius = cvRound((nr->width + nr->height)*0.25*scale);
cvCircle( img, center, radius, color, 3, 8, 0 );
}
}
//smile
if (smile_cascade != 0)
{
cvGetSubRect( small_img, &small_img_roi, *r );
smile_objects = cvHaarDetectObjects( &small_img_roi, smile_cascade, storage,
1.1, 2, 0
//|CV_HAAR_FIND_BIGGEST_OBJECT
//|CV_HAAR_DO_ROUGH_SEARCH
//|CV_HAAR_DO_CANNY_PRUNING
//|CV_HAAR_SCALE_IMAGE
,
cvSize(0, 0) );
for( j = 0; j < (smile_objects ? smile_objects->total : 0); j++ )
{
CvRect* nr = (CvRect*)cvGetSeqElem( smile_objects, j );
center.x = cvRound((r->x + nr->x + nr->width*0.5)*scale);
center.y = cvRound((r->y + nr->y + nr->height*0.5)*scale);
radius = cvRound((nr->width + nr->height)*0.25*scale);
cvCircle( img, center, radius, color, 3, 8, 0 );
}
}
}
}
cvShowImage( "result", img );
cvReleaseImage( &gray );
cvReleaseImage( &small_img );
}
//main.cpp
//openCV配置
//附加包含目录: include, include/opencv, include/opencv2
//附加库目录: lib
//附加依赖项: debug:--> opencv_calib3d243d.lib;...;
// release:--> opencv_calib3d243.lib;...;
#include<string>
#include <opencv2\opencv.hpp>
#include "CV2_compile.h"
#include "CV_compile.h"
#include "face_detector.h"
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
const char* imagename = "../lena.jpg";
faceDetector(imagename,1,0,0);
return 0;
}
调整主函数中faceDetect(const char* imageName, int nNested, int nSmile, int nProfile)函数中的参数，分别表示图像文件名，是否检测眼睛，是否检测微笑，是否检测侧脸。以检测正脸、眼睛为例：
再来看一张合影。
========华丽丽的分割线==========
如果对分类器的参数不满意，或者说想识别其他的物体例如车、人、飞机、苹果等等等等，只需要选择适当的样本训练，获取该物体的各个方面的参数，训练过程可以通过openCV的haartraining实现（参考haartraining参考文档，opencv/apps/traincascade），主要包括个步骤：
1. 收集打算学习的物体数据集（如正面人脸图，侧面汽车图等， 1000~10000个正样本为宜），把它们存储在一个或多个目录下面。
2. 使用createsamples来建立正样本的向量输出文件，通过这个文件可以重复训练过程，使用同一个向量输出文件尝试各种参数。
3. 获取负样本，即不包含该物体的图像。
4. 训练。命令行实现。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
- Linux+Nginx/Apache/Tomcat新增SSL证书，开启https访问教程
- golang 使用时间通过md5生成token
- golang中对map操作类
- Nginx在线服务状态下平滑升级或新增模块的详细操作记录
- 【Dev Club分享】微信读书iOS性能优化
- [svn: E155004]svn update报database is locked错误的解决办法
- WordPress高亮插件：Crayon Syntax Highlighter加载优化
- 深入理解 ButterKnife，让你的程序学会写代码
- JS+CSS让网站嗨起来，博客要被玩坏了！
- Linux系统zip压缩命令详细参数，附文件排除选项的正确用法
- 浅谈Android自定义锁屏页的发车姿势
- 移动App入侵与逆向破解技术－iOS篇
- 启用WP Super Cache纯代码版本之后的一些优化措施
- WP Super Cache静态缓存插件纯代码版（兼容多域名网站）
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- Nginx+keepalived高可用配置实战(内附彩蛋)
- MySQL 主从同步架构中你不知道的“坑”（完结篇）
- 分布式文件系统FastDFS详解
- 高效、易用、功能强大的 api 管理平台（内附彩蛋）
- Docker容器技术入门（一）
- 【容器技术】Docker容器技术入门（二）
- Mysql+Mycat实现数据库主从同步与读写分离
- 性能优化｜Tomcat 服务优化
- zookeeper技术介绍
- Nosql数据库服务之redis
- 计算机网络基础：这是一份详细HTTP学习指南
- Docker容器技术之Docker file
- 学会这15点，让你分分钟拿下Redis数据库
- 服务器性能指标——负载（Load）分析及问题排查
- 这20个Docker Command，有几个是你会的？