在opencv3中進行圖片人臉檢測

在opencv中，人臉檢測用的是harr或LBP特征，分類算法用的是adaboost算法。這種算法需要提前訓練大量的圖片，非常耗時，因此opencv已經訓練好了，把訓練結果存放在一些xml文件里面。在opencv3.0版本中，訓練好的文件放在 \build\etc\文件夾下，有兩個文件夾haarcascades和lbpcascades，前者存放的是harr特征訓練出來的文件，后者存放的是lbp特征訓練出來的文件。

人臉檢測主要用到的是CascadeClassifier這個類，以及該類下的detectMultiScale函數。

函數原型是：

void CascadeClassifier::detectMultiScale(InputArray image, vector<Rect>& objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())

總共有7個參數，分別是

第一個參數image:  要檢測的圖片，一般為灰度圖

第二個參數objects:  Rect型的容器，存放所有檢測出的人臉，每個人臉是一個矩形

第三個參數scaleFactor:  縮放因子，對圖片進行縮放，默認為1.1

第四個參數minNeighbors： 最小鄰居數，默認為3

第五個參數flags:  兼容老版本的一個參數，在3.0版本中沒用處。默認為0

第六個參數minSize: 最小尺寸，檢測出的人臉最小尺寸

第七個參數maxSize： 最大尺寸，檢測出的人臉最大尺寸 

代碼：

#include "stdafx.h"
#include "opencv2\opencv.hpp"
#include <iostream>
using namespace std;
using namespace cv;

int main()
{
    string xmlPath="F:\\opencv3\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_default.xml"; 
    CascadeClassifier ccf;   //創建分類器對象
    Mat img=imread("d:/friends.jpg");   
    if(!ccf.load(xmlPath))   //加載訓練文件
    {
        cout<<"不能加載指定的xml文件"<<endl;
        return 0;
    }
    vector<Rect> faces;  //創建一個容器保存檢測出來的臉
    Mat gray;
    cvtColor(img,gray,CV_BGR2GRAY); //轉換成灰度圖，因為harr特征從灰度圖中提取
    equalizeHist(gray,gray);  //直方圖均衡行
    ccf.detectMultiScale(gray,faces,1.1,3,0,Size(10,10),Size(100,100)); //檢測人臉
    for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++)
    {
        rectangle(img,*iter,Scalar(0,0,255),2,8); //畫出臉部矩形
    }
    imshow("faces",img);
    waitKey(0);
    return 1;
}

總結：

 使用起來非常簡單，只是精度不怎么樣。畢竟這些算法早已經過時，現在是深度學習的天下了。