OpenCV16（人脸检测）

一、.源代码

// 人脸识别haar.cpp : 定义控制台应用程序的入口点。// 本例来自网络// 修改了detect_and_draw_objects函数，第三个入口参数指定的是图像的金字塔高斯缩放等级，2表示长宽各变为原来的1/2// 2016.9.16  by Alex//#include "stdafx.h"#include "cv.h" #include "highgui.h" void detect_and_draw_objects( IplImage* image, CvHaarClassifierCascade* cascade, int scale ) { IplImage* small_image = image; CvMemStorage* storage = cvCreateMemStorage(0); //需要使用cvReleaseMemStorage( &storage ); 释放CvSeq* faces;  //使用金字塔分解缩小图像，可能造成识别出错。建议可以注释掉该部分，对比看效果，会准确很多。//scale是缩小的等级，用于后续再原图上绘图if(scale != 1){   //如果scale=1，则cvPyrDown由于输入输出图像的大小一样，会报错。small_image = cvCreateImage( cvSize(image->width/scale,image->height/scale), IPL_DEPTH_8U, 3 ); //图的大小是原来的1/4cvPyrDown( image, small_image, CV_GAUSSIAN_5x5 );//函数cvPyrDown使用Gaussian金字塔分解对输入图像向下采样}//面孔检测程序，小图，提高预算时间，但是会增加出错概率faces = cvHaarDetectObjects( small_image, cascade, storage, 1.2, 2, CV_HAAR_DO_CANNY_PRUNING );     //灰度  分类器   工作缓存 见下文介绍for(int i = 0; i < faces->total; i++ ) { CvRect face_rect = *(CvRect*)cvGetSeqElem( faces, i); cvRectangle( image, cvPoint(face_rect.x*scale,face_rect.y*scale), cvPoint((face_rect.x+face_rect.width)*scale, (face_rect.y + face_rect.height)*scale), CV_RGB(255,0,0), 3 ); } if( small_image != image ) //释放图像cvReleaseImage( &small_image ); cvReleaseMemStorage( &storage ); //释放缓存，CvMemStorage*} int _tmain(int argc, _TCHAR* argv[])  { IplImage* image = cvLoadImage( "D:\\PERSONAL\\Picture\\41.jpg", 1 );//加载OpenCV自带的训练好的人脸识别文件haarcascade_frontalface_alt.xml，在OpenCV解压文件中，需要释放CvHaarClassifierCascade*CvHaarClassifierCascade* cascade = (CvHaarClassifierCascade*)cvLoad("haarcascade_frontalface_alt2.xml"); //放在工作目录下detect_and_draw_objects( image, cascade, 2 ); //调用检测函数cvHaarDetectObjects，自定义绘图过程,第三个参数表示缩放cvNamedWindow( "test", 0 ); cvShowImage( "test", image ); cvWaitKey(0); cvReleaseHaarClassifierCascade( &cascade ); //释放CvHaarClassifierCascade*cvReleaseImage( &image ); return 0;}

实验效果：

1.使用haarcascade_frontalface_alt.xml，缩放比例1（test1）和2（test2）

2.使用haarcascade_frontalface_alt2.xml ，缩放比例1（test1）和2（test2）

参数说明：

1.分类器的加载

CvHaarClassifierCascade* cascade = (CvHaarClassifierCascade*)cvLoad("haarcascade_frontalface_alt2.xml");

类型：CvHaarClassifierCascade* cascade ，使用cvLoad函数，将其在OpenCV安装目录下搜索到，放在工作目录下（方便点）

2.面孔检测

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)));

其中：

image是灰度图像

cascade是分类器类型，可以选择OpenCV现有的，或者自己训练，后续讲解怎么训练

storage是函数工作缓存，不是输出，在计算过程中需要用的空间

scale_factor（默认1.1）是两个不同大小的窗口之间的跳跃值。这样理解，类似一个小矩形区域在图上从原点开始运动，需要判定矩形区域内的图像是不是人脸。scale_factor设置的是每一次移动矩形窗的步长。值大，移动快，计算速度快，但是可能检测不到小的脸。反之特点也显然。

min_neighbors设置为3表示只有当一张脸被>=3次的检测出来才认定是人脸。

flag : 

#define CV_HAAR_DO_CANNY_PRUNING    1#define CV_HAAR_SCALE_IMAGE         2#define CV_HAAR_FIND_BIGGEST_OBJECT 4#define CV_HAAR_DO_ROUGH_SEARCH     8

CV_HAAR_DO_CANNY_PRUNING表示分类器会跳过平滑（无边缘）区域。

其余说明可以百度

min_size表示的放弃比min_size区域小的人脸，提高速度。

max_size表示的放弃比max_size区域大的人脸，提高速度。

3.cvHaarDetectObjects函数的返回值使用

CvSeq* faces;

数量读取（指针，访问）：

faces->total

元素访问（使用矩形CvRect）：

CvRect face_rect = *(CvRect*)cvGetSeqElem( faces, i);face_rect.xface_rect.y

（x,y）是矩形的左上角点坐标

face_rect.widthface_rect.height