OpenCV入門指南----人臉檢測

本篇介紹圖像處理與模式識別中最熱門的一個領域——人臉檢測（人臉識別）。人臉檢測可以說是學術界的寵兒，在不少EI，SCI高級別論文都能看到它的身影。甚至很多高校學生的畢業設計都會涉及到人臉檢測。當然人臉檢測的巨大實用價值也讓很多公司紛紛關注，很多公司都擁有這方面的專利或是開發商業產品出售。

????在OpenCV中，人臉檢測也是其熱門應用之一。在OpenCV的特征檢測專題就詳細介紹了人臉檢測的原理——通過Haar特征來識別是否為人臉。Haar特征檢測原理與Haar特征分類器的訓練放到下一篇《【OpenCV入門指南】第十四篇? Haartraining》來講，本篇主要介紹如何在OpenCV中使用Haar特征分類器來對圖像中的人臉進行檢測和識別。下面將分成五步來詳細示范如何在OpenCV中進行人臉識別：

??? 一．人臉的Haar特征分類器是什么

??? 二．在哪找人臉的Haar特征分類器

??? 三．怎么用人臉的Haar特征分類器

??? 四．人臉識別示例代碼

??? 五．人臉識別程序運行結果

一．人臉的Haar特征分類器是什么

人臉的Haar特征分類器就是一個XML文件，該文件中會描述人臉的Haar特征值。當然Haar特征的用途可不止可以用來描述人臉這一種，用來描述眼睛，嘴唇或是其它物體也是可以的。

二．在哪找人臉的Haar特征分類器

OpenCV有已經自帶了人臉的Haar特征分類器。OpenCV安裝目錄中的\data\ haarcascades目錄下的haarcascade_frontalface_alt.xml與haarcascade_frontalface_alt2.xml都是用來檢測人臉的Haar分類器。這個haarcascades目錄下還有人的全身，眼睛，嘴唇的Haar分類器。讀者可以仿照本方的例子來試驗下效果看看。

三．怎么用人臉的Haar特征分類器

使用人臉的Haar特征分類器非常之簡單，直接使用cvHaarDetectObjects。下面來看看這個函數的介紹：

函數功能：檢測圖像中的目錄

函數原型：

CVAPI(CvSeq*)?cvHaarDetectObjects(

? const?CvArr*?image,

? CvHaarClassifierCascade*?cascade,

? CvMemStorage*?storage,

? double?scale_factor?CV_DEFAULT(1.1),

? int?min_neighbors?CV_DEFAULT(3),

? int?flags?CV_DEFAULT(0),

? CvSize?min_size?CV_DEFAULT(cvSize(0,0)),

? CvSize?max_size?CV_DEFAULT(cvSize(0,0))

);

函數說明：

第一個參數表示輸入圖像，盡量使用灰度圖以加快檢測速度。

第二個參數表示Haar特征分類器，可以用cvLoad()函數來從磁盤中加載xml文件作為Haar特征分類器。

第三個參數為CvMemStorage類型，大家應該很熟悉這個CvMemStorage類型了，《OpenCV入門指南》中很多文章都介紹過了。

第四個參數表示在前后兩次相繼的掃描中，搜索窗口的比例系數。默認為1.1即每次搜索窗口依次擴大10%

第五個參數表示構成檢測目標的相鄰矩形的最小個數(默認為3個)。如果組成檢測目標的小矩形的個數和小于?min_neighbors - 1?都會被排除。如果min_neighbors?為?0,?則函數不做任何操作就返回所有的被檢候選矩形框，這種設定值一般用在用戶自定義對檢測結果的組合程序上。

第六個參數要么使用默認值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果設置為CV_HAAR_DO_CANNY_PRUNING，那么函數將會使用Canny邊緣檢測來排除邊緣過多或過少的區域，因此這些區域通常不會是人臉所在區域。

第七個，第八個參數表示檢測窗口的最小值和最大值，一般設置為默認即可。

函數返回值：

函數將返回CvSeq對象，該對象包含一系列CvRect表示檢測到的人臉矩形。

四．人臉識別示例代碼

下面給出一個完整的示例代碼，代碼中的GetTickCount可以參閱《Windows?各種計時函數總結》，cvEqualizeHist可以參閱《【OpenCV入門指南】第八篇灰度直方圖》。

// FaceDetect.cpp : 定義控制臺應用程序的入口點。
// 本文配套博客文章地址： http://blog.csdn.net/morewindows/article/details/8426318  

#include "stdafx.h"#include <iostream>
#include <opencv2/core/core.hpp>   //cvGetSize  cvCreateImage
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp>  //cvResize cvInitMatHeader cvGetMinMaxHistValue cvCvtColor
#include <opencv2/imgproc/imgproc.hpp>#include <Windows.h>   //DWORD  GetTickCount()

#ifdef _DEBUG
#pragma comment(lib, "opencv_core244d")
#pragma comment(lib, "opencv_highgui244d")
#pragma comment(lib, "opencv_imgproc244d")  //cvResize 
#pragma comment(lib, "opencv_objdetect244d")  //cvHaarDetectObjects
#else
#pragma comment(lib, "opencv_core244")
#pragma comment(lib, "opencv_highgui244")
#pragma comment(lib, "opencv_imgproc244")  //cvResize
#pragma comment(lib, "opencv_objdetect244") //cvHaarDetectObjects
#endifusing namespace std;  
int main()  
{  // 加載Haar特征檢測分類器  // haarcascade_frontalface_alt.xml系OpenCV自帶的分類器 下面是我機器上的文件路徑  const char *pstrCascadeFileName = "G:\\Software\\openCV\\opencv\\data\\haarcascades\\haarcascade_frontalface_alt.xml";  CvHaarClassifierCascade *pHaarCascade = NULL;  pHaarCascade = (CvHaarClassifierCascade*)cvLoad(pstrCascadeFileName);  // 載入圖像  const char *pstrImageName = "./images/linzhiling.jpg";  //const char *pstrImageName = "./images/liuyifei.jpg";  //const char *pstrImageName = "./images/unknown.jpg";  IplImage *pSrcImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_UNCHANGED);  IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);  cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);  // 人臉識別與標記  if (pHaarCascade != NULL)  {         CvScalar FaceCirclecolors[] =   {  {{0, 0, 255}},  {{0, 128, 255}},  {{0, 255, 255}},  {{0, 255, 0}},  {{255, 128, 0}},  {{255, 255, 0}},  {{255, 0, 0}},  {{255, 0, 255}}  };  CvMemStorage *pcvMStorage = cvCreateMemStorage(0);  cvClearMemStorage(pcvMStorage);  // 識別  
        DWORD dwTimeBegin, dwTimeEnd;  dwTimeBegin = GetTickCount();  //函數將返回CvSeq對象，該對象包含一系列CvRect表示檢測到的人臉矩形//第一個參數表示輸入圖像，盡量使用灰度圖以加快檢測速度//第二個參數表示Haar特征分類器，可以用cvLoad()函數來從磁盤中加載xml文件作為Haar特征分類器//第三個參數為CvMemStorage類型//第四個參數表示在前后兩次相繼的掃描中，搜索窗口的比例系數。默認為1.1即每次搜索窗口依次擴大10%//第五個參數表示構成檢測目標的相鄰矩形的最小個數(默認為3個)。如果組成檢測目標的小矩形的個數和小于 min_neighbors - 1 都會被排除。//如果min_neighbors 為 0, 則函數不做任何操作就返回所有的被檢候選矩形框，這種設定值一般用在用戶自定義對檢測結果的組合程序上//第六個參數要么使用默認值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果設置為CV_HAAR_DO_CANNY_PRUNING，那么函數將會使用Canny邊緣檢測//來排除邊緣過多或過少的區域，因此這些區域通常不會是人臉所在區域//第七個，第八個參數表示檢測窗口的最小值和最大值，一般設置為默認即可CvSeq *pcvSeqFaces = cvHaarDetectObjects(pGrayImage, pHaarCascade, pcvMStorage);  dwTimeEnd = GetTickCount();  printf("人臉個數: %d   識別用時: %d ms\n", pcvSeqFaces->total, dwTimeEnd - dwTimeBegin);  // 標記  for(int i = 0; i <pcvSeqFaces->total; i++)  {  CvRect* r = (CvRect*)cvGetSeqElem(pcvSeqFaces, i);  //用圓形畫出臉部部分
            CvPoint center;  int radius;  center.x = cvRound((r->x + r->width * 0.5));  center.y = cvRound((r->y + r->height * 0.5));  radius = cvRound((r->width + r->height) * 0.25);  cvCircle(pSrcImage, center, radius, FaceCirclecolors[i % 8], 2); //用矩形畫出臉部部分/*CvPoint startPoint,endPoint;startPoint.x = cvRound(r->x);startPoint.y = cvRound(r->y);endPoint.x = cvRound(r->x + r->width);endPoint.y = cvRound(r->x + r->height);cvRectangle(pSrcImage,startPoint,endPoint,FaceCirclecolors[i % 8]);*/}  cvReleaseMemStorage(&pcvMStorage);  }  const char *pstrWindowsTitle = "人臉識別";  cvNamedWindow(pstrWindowsTitle, CV_WINDOW_AUTOSIZE);  cvShowImage(pstrWindowsTitle, pSrcImage);  cvWaitKey(0);  cvDestroyWindow(pstrWindowsTitle);  cvReleaseImage(&pSrcImage);   cvReleaseImage(&pGrayImage);  return 0;  
}

五．人臉識別程序運行結果

運行結果一（單人正面）：

這張圖的干擾太少，換張干擾大點的圖來試試。

?

運行結果二：

?

運行結果三（多人）：

?

本文轉自：http://blog.csdn.net/morewindows/article/details/8426318