用opencv檢測人眼並定位瞳孔位置

  最近的研究要用到定位瞳孔的位置，所以上網搜了下相關的代碼。總結如下：

        1） 定位瞳孔可以直接使用opencv中的自帶的分類器（haarcascade_eye_tree_eyeglasses.xml）來實現，以前聽師兄說用opencv自帶的這個方法定位瞳孔不准，但我自己做了實驗后發現在正面人臉的情況下定位還是很准確的，后面有圖。分析了下原因，師兄是他之前實驗時感覺不准有可能是他的Opencv版本還不是很高，我這里用的是opencv2.4.4，相信opencv也在它的后續版本中不斷的優化它的Machine learning中相關庫以提高准確率。

        當然，在復雜情況下的人眼精准定位本身就是一個熱門的研究課題。所以如果是復雜情況下的精准定位，opencv可能就沒那么給力了。

       2）用opencv中檢測人臉、眼睛、嘴巴等都是用的CascadeClassifier分類器，具體使用時可以使用C的函數，也可以使用opencv中使用C++封裝好的類。下面是它們檢測目標時的函數形式（從opencv官網復制的）

C: CvSeq* cvHaarDetectObjects(const CvArr* image, CvHaarClassifierCascade* cascade,CvMemStorage* storage, double scale_factor=1.1, int min_neighbors=3, int flags=0, CvSize min_size=cvSize(0,0), CvSize max_size=cvSize(0,0) )

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

    這兩者最大的區別在於，用C封裝的函數要自己手動分配內存，而用C++的形式則不用自己去分配內存，這就是很多同學在網上找到的代碼有些要分配內存，有些又不用分配內存的原因。顯然C++的形式更簡潔，所以我下面的代碼也是用的C++的函數。

        直接上代碼，注意下面的haarcascade_eye_tree_eyeglasses.xml文件在opencv安裝目錄下的data文件夾中。

        完整的代碼在http://download.csdn.net/detail/computerme/7680383

 

<span style="font-size:14px;">#include "highgui.h"
#include "cv.h"
#include <iostream>
#include <stdio.h>

using namespace std;
using namespace cv;


void DetectAndDraw(IplImage* img, CascadeClassifier& cascade);

//String cascadeName = "haarcascade_frontalface_alt.xml";
String cascadeName = "haarcascade_eye_tree_eyeglasses.xml";//nestedCascadeName

int main( )
{
    CascadeClassifier cascade;
    cascade.load( cascadeName );
    cvNamedWindow( "result", 1 );

    IplImage* iplImg = cvLoadImage("1.jpg");

    DetectAndDraw( iplImg, cascade );

    cvWaitKey(0);

    cvDestroyWindow("result");

    return 0;
}


void DetectAndDraw(IplImage* img, CascadeClassifier& cascade)
{
    int i = 0;
    double t = 0;
    vector<Rect> faces;
    const static Scalar colors[] =  { CV_RGB(0,0,255),
        CV_RGB(0,128,255),
        CV_RGB(0,255,255),
        CV_RGB(0,255,0),
        CV_RGB(255,128,0),
        CV_RGB(255,255,0),
        CV_RGB(255,0,0),
        CV_RGB(255,0,255)} ;
    IplImage* gray = cvCreateImage(cvGetSize(img),8,1);
    cvCvtColor( img, gray, CV_BGR2GRAY );
    cvEqualizeHist( gray, gray );

    t = (double)cvGetTickCount();
    cascade.detectMultiScale( gray , faces,
        1.1, 2, 0
        //|CV_HAAR_FIND_BIGGEST_OBJECT
        //|CV_HAAR_DO_ROUGH_SEARCH
        |CV_HAAR_SCALE_IMAGE
        ,
        Size(30, 30) );
    t = (double)cvGetTickCount() - t;
    printf( "detection time = %g ms\n", t/((double)cvGetTickFrequency()*1000.) );

    for( vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++, i++ )
    {
        Point center;
        Scalar color = colors[i%8];
        int radius;
        //center可以作為瞳孔的坐標
        center.x = cvRound(r->x + r->width*0.5);
        center.y = cvRound(r->y + r->height*0.5);
        //radius = (int)(cvRound(r->width + r->height)*0.25);
        radius =2;
        cvCircle( img, center, radius, color, 3, 8, 0 );
        cvShowImage( "result", img );
    }

    cvShowImage( "result", img );
}</span>

運行結果：

 

 

網址：http://blog.csdn.net/computerme/article/details/38142125