OpenCV实现人脸检测

本文介绍最基本的用OpenCV实现人脸检测的方法。

 

一.人脸检测算法原理

Viola-Jones人脸检测方法

参考文献：Paul Viola, Michael J. Jones. Robust Real-Time Face Detection[J]. International Journal of Computer Vision,2004,57(2):137-154.

该算法的主要贡献有三：

1.提出积分图像（integral image）,从而可以快速计算Haar-like特征。

2.利用Adaboost学习算法进行特征选择和分类器训练，把弱分类器组合成强分类器。

3.采用分类器级联提高效率。

二.OpenCV检测原理

OpenCV中有检测人脸的函数（该函数还可以检测一些其他物体）， 甚至还包含一些预先训练好的物体识别文件。

所以利用这些现成的东西就可以很快做出一个人脸检测的程序。

主要步骤为：

1.加载分类器。

用cvLoad函数读入xml格式的文件。文件在OpenCV安装目录下的“data/haarcascades/”路径下。

http://blog.csdn.net/yang_xian521/article/details/6973667推荐使用haarcascade_frontalface_atl.xml和haarcascade_frontalface_atl2.xml

2.读入待检测图像。读入图片或者视频。

3.检测人脸。

主要用的函数：

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)) );

 

函数说明摘自《学习OpenCV》:

CvArr* image是一个灰度图像，如果设置了ROI，将只处理这个区域。

CvHaarClassifierCascade* cascade是前面读入的分类器特征级联。

CvMemStorage* storage 是这个算法的工作缓存。

scale_factor ：算法用不同尺寸的窗口进行扫描，scale_factor是每两个不同大小的窗口之间的尺寸关系。

min_neighbors 控制误检测，因为人脸会被不同位置大小的窗口重复检测到，至少有这么多次检测，我们才认为真的检测到了人脸。

flags有四个可用的数值，它们可以用位或操作结合使用。默认值是CV_HAAR_DO_CANNY_PRUNING，告诉分类器跳过平滑区域。

min_size 指示寻找人脸的最小区域。max_size 显然应该是寻找人脸的最大区域了。。。

4.检测结果表示。

可以画个圈圈或者画个方框表示。

三.代码

#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>#ifdef _EiC #define WIN32 #endifstatic CvMemStorage* storage = 0; static CvHaarClassifierCascade* cascade = 0;void detect_and_draw( IplImage* image );const char* cascade_name = "haarcascade_frontalface_alt.xml"; /*    "haarcascade_profileface.xml";*/int main( int argc, char** argv ) {     cascade_name = "haarcascade_frontalface_alt2.xml";     cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 );       if( !cascade )     {         fprintf( stderr, "ERROR: Could not load classifier cascade\n" );         return -1;     }     storage = cvCreateMemStorage(0);     cvNamedWindow( "result", 1 );          const char* filename = "Lena.jpg";     IplImage* image = cvLoadImage( filename, 1 );    if( image )     {         detect_and_draw( image );         cvWaitKey(0);         cvReleaseImage( &image );       }    cvDestroyWindow("result");       return 0; }void detect_and_draw(IplImage* img ) {     double scale=1.2;     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}}     };//Just some pretty colors to draw with    //Image Preparation     //     IplImage* gray = cvCreateImage(cvSize(img->width,img->height),8,1);     IplImage* 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); //直方图均衡    //Detect objects if any     //     cvClearMemStorage(storage);     double t = (double)cvGetTickCount();     CvSeq* objects = cvHaarDetectObjects(small_img,                                                                         cascade,                                                                         storage,                                                                         1.1,                                                                         2,                                                                         0/*CV_HAAR_DO_CANNY_PRUNING*/,                                                                         cvSize(30,30));    t = (double)cvGetTickCount() - t;     printf( "detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) );    //Loop through found objects and draw boxes around them     for(int i=0;i<(objects? objects->total:0);++i)     {         CvRect* r=(CvRect*)cvGetSeqElem(objects,i);         cvRectangle(img, cvPoint(r->x*scale,r->y*scale), cvPoint((r->x+r->width)*scale,(r->y+r->height)*scale), colors[i%8]);     }     for( int i = 0; i < (objects? objects->total : 0); i++ )     {         CvRect* r = (CvRect*)cvGetSeqElem( objects, i );         CvPoint center;         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, colors[i%8], 3, 8, 0 );     }    cvShowImage( "result", img );     cvReleaseImage(&gray);     cvReleaseImage(&small_img); }

 

四.结果及一些说明

运行结果如下图：

需要说明的几点:

1.图像和.xml文件要放在该程序的bin目录下（.sln所在的目录）。

2.《学习OpenCV》里面就是用矩形表示，但是书里面的代码不太对，原因是忽略了缩放因子，即void detect_and_draw(IplImage* img )里面的double scale=1.2;

这个缩放因子的作用是：拿到一个图像，首先将它缩放（scale=1.2即变为一个小图像），然后在缩放后的小图像上检测人脸，这样会比较快。

最基本的就这么多吧。

 

注：本文所用OpenCV版本为2.3.1