资讯

精准传达 • 有效沟通

从品牌网站建设到网络营销策划，从策略到执行的一站式服务

网站建设 >

查看其它板块

基于openCV实现人脸检测

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。

创新互联是专业的阿瓦提网站建设公司，阿瓦提接单;提供网站设计制作、网站设计,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行阿瓦提网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!

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  
#include  
#include  
#include  
#include  
#include  
#include  
#include  
#include  
#include  
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: "<\"]\n" 
    "  [--nested-cascade[=\"nested_cascade_path\"]]\n" 
    "  [--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 
#include  
 
#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：

基于openCV实现人脸检测

再来看一张合影。

基于openCV实现人脸检测

========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创新互联。


文章名称：基于openCV实现人脸检测
文章来源：http://cdkjz.cn/article/jdppoc.html
返回首页 了解更多建站资讯

相关资讯

多年建站经验

多一份参考，总有益处

联系快上网，免费获得专属《策划方案》及报价

咨询相关问题或预约面谈，可以通过以下方式与我们联系

大客户专线   成都：13518219792   座机：028-86922220

在线咨询 提交需求
友情链接 交换友情链接
混凝土搅拌罐车标志设计盐亭做网站什邡网站建设vi形象设计手机网站版本名片成都网站设计腾讯云虚拟主机成都企业网站制作

成都网站建设公司地址：成都市青羊区太升南路288号锦天国际A座10层 建设咨询028-86922220

成都快上网科技有限公司-四川网站建设设计公司 | 蜀ICP备19037934号 Copyright 2020,ALL Rights Reserved cdkjz.cn | 成都网站建设 | © Copyright 2020版权所有.

专家团队为您提供成都网站建设,成都网站设计,成都品牌网站设计,成都营销型网站制作等服务,成都建网站就找快上网！ | 成都网站建设哪家好？ | 网站建设地图