OpenCV实现人脸检测例程

mts 2016-11-14

前段时间看的OpenCV，其实有很多的例子程序，参考代码值得我们学习，对图像特征提取三大法宝：HOG特征，LBP特征，Haar特征有一定了解后。

对本文中的例子程序刚开始没有调通，今晚上调通了，试了试效果还可以，还需要深入理解。值得大家动手试试，还是很有成就感的，虽然是现成的例子.......

环境：OpenCV3.1+VS2013+WIN10

    解析opencv自带人脸识别源码（……/opencv-3.1.0/samples/cpp/facedetect.cpp）
 */
#include "opencv2/objdetect.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>

using namespace std;
using namespace cv;

static void help()
{
    cout << "\nThis program demonstrates the cascade recognizer. Now you can use Haar or LBP features.\n"
        "This classifier can recognize many kinds of rigid objects, once the appropriate classifier is trained.\n"
        "It's most known use is for faces.\n"
        "Usage:\n"
        "./facedetect [--cascade=<cascade_path> this is the primary trained classifier such as frontal face]\n"
        "  [--nested-cascade[=nested_cascade_path this an optional secondary classifier such as eyes]]\n"
        "  [--scale=<image scale greater or equal to 1, try 1.3 for example>]\n"
        "  [--try-flip]\n"
        "  [filename|camera_index]\n\n"
        "see facedetect.cmd for one call:\n"
        "./facedetect --cascade=\"../../data/haarcascades/haarcascade_frontalface_alt.xml\" --nested-cascade=\"../../data/haarcascades/haarcascade_eye_tree_eyeglasses.xml\" --scale=1.3\n\n"
        "During execution:\n\tHit any key to quit.\n"
        "\tUsing OpenCV version " << CV_VERSION << "\n" << endl;
}

void detectAndDraw(Mat& img, CascadeClassifier& cascade,
    CascadeClassifier& nestedCascade,
    double scale, bool tryflip);

string cascadeName;
string nestedCascadeName;

 

int main(int argc, const char** argv)
{
    VideoCapture capture;
    Mat frame, image;
    string inputName;
    bool tryflip;

    // CascadeClassifier是Opencv中做人脸检测的时候的一个级联分类器，现在有两种选择：一是使用老版本的CvHaarClassifierCascade函数，一是使用新版本的CascadeClassifier类。老版本的分类器只支持类Haar特征，而新版本的分类器既可以使用Haar，也可以使用LBP特征。
    CascadeClassifier cascade, nestedCascade;
    double scale;

    cv::CommandLineParser parser(argc, argv,
        "{help h||}"
        "{cascade|D:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt.xml|}"  //默认路径实在安装路径下sample，修改了路径，以便加载load成功
        "{nested-cascade|D:/opencv/sources/data/haarcascades/haarcascade_eye_tree_eyeglasses.xml|}"  //修改路径
        "{scale|1|}{try-flip||}{@filename||}" //文件为空时，设置摄像头，实时检测人脸
        );
    if (parser.has("help"))
    {
        help();
        return 0;
    }

    cascadeName = parser.get<string>("cascade");
    nestedCascadeName = parser.get<string>("nested-cascade");
    scale = parser.get<double>("scale");
    if (scale < 1)
        scale = 1;
    tryflip = parser.has("try-flip");
    inputName = parser.get<string>("@filename");
    std::cout << inputName << std::endl;  // test
    if (!parser.check())
    {
        parser.printErrors();
        return 0;
    }

    // 加载模型
    if (!nestedCascade.load(nestedCascadeName))
        cerr << "WARNING: Could not load classifier cascade for nested objects" << endl;
    if (!cascade.load(cascadeName))
    {
        cerr << "ERROR: Could not load classifier cascade" << endl;
        help();
        return -1;
    }
    // 读取摄像头
    // isdigit检测字符是否为阿拉伯数字
    if (inputName.empty() || (isdigit(inputName[0]) && inputName.size() == 1))
    {
        int c = inputName.empty() ? 0 : inputName[0] - '0';
        // 此处若系统在虚拟机上，需在虚拟机中设置接管摄像头：虚拟机(M)-> 可移动设备 -> 摄像头名称 -> 连接(断开与主机连接)
        if (!capture.open(c))
            cout << "Capture from camera #" << c << " didn't work" << endl;
        else {
            capture.set(CV_CAP_PROP_FRAME_WIDTH, 640);
            capture.set(CV_CAP_PROP_FRAME_HEIGHT, 480);
        }
    }
    else if (inputName.size())
    {
        image = imread(inputName, 1);
        if (image.empty())
        {
            if (!capture.open(inputName))
                cout << "Could not read " << inputName << endl;
        }
    }
    else
    {
        image = imread("../data/lena.jpg", 1);
        if (image.empty()) cout << "Couldn't read ../data/lena.jpg" << endl;
    }

    if (capture.isOpened())
    {
        cout << "Video capturing has been started ..." << endl;


        for (;;)
        {
            std::cout << "capturing..." << std::endl;  // test
            capture >> frame;
            if (frame.empty())
                break;

            Mat frame1 = frame.clone();
            std::cout << "Start to detect..." << std::endl;  // test
            detectAndDraw(frame1, cascade, nestedCascade, scale, tryflip);

            int c = waitKey(10);
            if (c == 27 || c == 'q' || c == 'Q')
                break;
        }
    }
    else
    {
        cout << "Detecting face(s) in " << inputName << endl;
        if (!image.empty())
        {
            detectAndDraw(image, cascade, nestedCascade, scale, tryflip);
            waitKey(0);
        }
        else if (!inputName.empty())
        {
            /* assume it is a text file containing the
            list of the image filenames to be processed - one per line */
            FILE* f = fopen(inputName.c_str(), "rt");
            if (f)
            {
                char buf[1000 + 1];
                while (fgets(buf, 1000, f))
                {
                    int len = (int)strlen(buf), c;
                    while (len > 0 && isspace(buf[len - 1]))
                        len--;
                    buf[len] = '\0';
                    cout << "file " << buf << endl;
                    image = imread(buf, 1);
                    if (!image.empty())
                    {
                        detectAndDraw(image, cascade, nestedCascade, scale, tryflip);
                        c = waitKey(0);
                        if (c == 27 || c == 'q' || c == 'Q')
                            break;
                    }
                    else
                    {
                        cerr << "Aw snap, couldn't read image " << buf << endl;
                    }
                }
                fclose(f);
            }
        }
    }

    return 0;
}

void detectAndDraw(Mat& img, CascadeClassifier& cascade,
    CascadeClassifier& nestedCascade,
    double scale, bool tryflip)
{
    double t = 0;
    vector<Rect> faces, faces2;
    const static Scalar colors[] =
    {
        Scalar(255, 0, 0),
        Scalar(255, 128, 0),
        Scalar(255, 255, 0),
        Scalar(0, 255, 0),
        Scalar(0, 128, 255),
        Scalar(0, 255, 255),
        Scalar(0, 0, 255),
        Scalar(255, 0, 255)
    };
    Mat gray, smallImg;

    cvtColor(img, gray, COLOR_BGR2GRAY);
    double fx = 1 / scale;
    resize(gray, smallImg, Size(), fx, fx, INTER_LINEAR);
    equalizeHist(smallImg, smallImg);

    t = (double)cvGetTickCount();
    cascade.detectMultiScale(smallImg, faces,
        1.1, 2, 0
        //|CASCADE_FIND_BIGGEST_OBJECT
        //|CASCADE_DO_ROUGH_SEARCH
        | CASCADE_SCALE_IMAGE,
        Size(30, 30));
    if (tryflip)
    {
        flip(smallImg, smallImg, 1);
        cascade.detectMultiScale(smallImg, faces2,
            1.1, 2, 0
            //|CASCADE_FIND_BIGGEST_OBJECT
            //|CASCADE_DO_ROUGH_SEARCH
            | CASCADE_SCALE_IMAGE,
            Size(30, 30));
        for (vector<Rect>::const_iterator r = faces2.begin(); r != faces2.end(); r++)
        {
            faces.push_back(Rect(smallImg.cols - r->x - r->width, r->y, r->width, r->height));
        }
    }
    t = (double)cvGetTickCount() - t;
    printf("detection time = %g ms\n", t / ((double)cvGetTickFrequency()*1000.));
    for (size_t i = 0; i < faces.size(); i++)
    {
        Rect r = faces[i];
        Mat smallImgROI;
        vector<Rect> nestedObjects;
        Point center;
        Scalar color = colors[i % 8];
        int radius;

        double aspect_ratio = (double)r.width / r.height;
        if (0.75 < aspect_ratio && aspect_ratio < 1.3)
        {
            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);
            circle(img, center, radius, color, 3, 8, 0);
        }
        else
            rectangle(img, cvPoint(cvRound(r.x*scale), cvRound(r.y*scale)),
            cvPoint(cvRound((r.x + r.width - 1)*scale), cvRound((r.y + r.height - 1)*scale)),
            color, 3, 8, 0);
        if (nestedCascade.empty())
            continue;
        smallImgROI = smallImg(r);
        nestedCascade.detectMultiScale(smallImgROI, nestedObjects,
            1.1, 2, 0
            //|CASCADE_FIND_BIGGEST_OBJECT
            //|CASCADE_DO_ROUGH_SEARCH
            //|CASCADE_DO_CANNY_PRUNING
            | CASCADE_SCALE_IMAGE,
            Size(30, 30));
        for (size_t j = 0; j < nestedObjects.size(); j++)
        {
            Rect nr = nestedObjects[j];
            center.x = cvRound((r.x + nr.x + nr.width*0.5)*scale);
            center.y = cvRound((r.y + nr.y + nr.height*0.5)*scale);
            radius = cvRound((nr.width + nr.height)*0.25*scale);
            circle(img, center, radius, color, 3, 8, 0);
        }
    }
    imshow("result", img);
}

 

//#include <iostream>
//#include <opencv2/opencv.hpp>
//using namespace cv;;
//using namespace std;
//int main()
//{
//    CvCapture* capture = cvCaptureFromCAM(-1);
//    CvVideoWriter* video = NULL;
//    IplImage* frame = NULL;
//    int n;
//    if (!capture) //如果不能打开摄像头给出警告
//    {
//        cout << "Can not open the camera." << endl;
//        return -1;
//    }
//    else
//    {
//        frame = cvQueryFrame(capture); //首先取得摄像头中的一帧
//        video = cvCreateVideoWriter("camera.avi", CV_FOURCC('X', 'V', 'I', 'D'), 25,
//            cvSize(frame->width, frame->height)); //创建CvVideoWriter对象并分配空间
//        //保存的文件名为camera.avi，编码要在运行程序时选择，大小就是摄像头视频的大小，帧频率是32
//        if (video) //如果能创建CvVideoWriter对象则表明成功
//        {
//            cout << "VideoWriter has created." << endl;
//        }
//
//        cvNamedWindow("Camera Video", 1); //新建一个窗口
//        int i = 0;
//        while (i <= 300) // 让它循环200次自动停止录取
//        {
//            frame = cvQueryFrame(capture); //从CvCapture中获得一帧
//            if (!frame)
//            {
//                cout << "Can not get frame from the capture." << endl;
//                break;
//            }
//            n = cvWriteFrame(video, frame); //判断是否写入成功，如果返回的是1，表示写入成功
//            cout << n << endl;
//            cvShowImage("Camera Video", frame); //显示视频内容的图片
//            i++;
//            if (cvWaitKey(2) > 0)
//                break; //有其他键盘响应，则退出
//        }
//
//        cvReleaseVideoWriter(&video);
//        cvReleaseCapture(&capture);
//        cvDestroyWindow("Camera Video");
//    }
//    return 0;
//}

这是调用摄像头动态检测人脸的程序，实验结果：

OpenCV实现人脸检测例程OpenCV实现人脸检测例程

控制台输出：

***** VIDEOINPUT LIBRARY - 0.1995 - TFW07 *****


SETUP: Setting up device 0
SETUP: Integrated Camera
SETUP: Couldn't find preview pin using SmartTee
SETUP: Default Format is set to 640x480
SETUP: trying specified format RGB24 @ 640x480
SETUP: trying format RGB24 @ 640x480
SETUP: trying format RGB32 @ 640x480
SETUP: trying format RGB555 @ 640x480
SETUP: trying format RGB565 @ 640x480
SETUP: trying format YUY2 @ 640x480
SETUP: Capture callback set
SETUP: Device is setup and ready to capture.

Video capturing has been started ...
capturing...
Start to detect...
detection time = 486.754 ms
capturing...
Start to detect...
detection time = 444.236 ms
capturing...
Start to detect...
detection time = 441.649 ms
capturing...
Start to detect...
detection time = 447.361 ms
capturing...
Start to detect...
detection time = 427.589 ms
capturing...
Start to detect...
detection time = 453.187 ms
capturing...
Start to detect...
d

OpenCV的详细介绍：请点这里
OpenCV的下载地址：请点这里

mts

mts

相关推荐

基于opencv的人脸采集、训练及识别应用

　　本文主要基于Python展现人脸识别的应用过程和方法，从人脸采集，人脸模型训练以及人脸识别应用讨论这三个过程简单是如何共同构成我们日常中人脸识别技术应用的，提高我们队人脸识别技术及应用的认识。通过采集到的人脸进行预处理后训练人脸的特征并输出模型结果，最

csdmeb / 0评论 2020-06-25

opencv 人脸识别

注意，此算法只能检测正脸，并且任何算法都有一定的准确率。如上图所示，图像中有一处被错误地检测为人脸。以Haar特征分类器为基础的对象检测技术是一种非常有效的技术。它是基于机器学习且使用大量的正负样本训练得到分类器。Haar-like矩形特征：是用于物体检测

wangdaren / 0评论 2020-04-26

利用face_recognition，dlib与OpenCV调用摄像头进行人脸识别

# video_capture.read()按帧读取视频，ret,frame是获video_capture.read()方法的两个返回值。# 其中ret是布尔值，如果读取帧是正确的则返回True，# 如果文件读取到结尾，它的返回值就为False。fr

wangdaren / 0评论 2020-01-17

7人脸识别

#在多个尺度空间进行检测

wandaxiao / 0评论 2020-01-12

Python opencv实现人眼/人脸识别以及实时打码处理

利用Python+opencv实现从摄像头捕获图像，识别其中的人眼/人脸，并打上马赛克。找一台带有摄像头的电脑，一般笔记本即可；需配有Python3，并安装NumPy包、opencv；需要有已经训练好的分类器，用于识别视频中的人脸、人眼等，如无分类器，可以

learningCV / 0评论 2019-04-29

python利用Opencv实现人脸识别功能

本文实例为大家分享了python利用Opencv实现人脸识别功能的具体代码，供大家参考，具体内容如下。如果从事于开发中的话建议用第三方的人脸识别。# 视频来源，可以来自一段已存好的视频，也可以直接来自USB摄像头。# 告诉OpenCV使用人脸识别分类器。#

圣人男 / 0评论 2019-04-25

Python OpenCV利用笔记本摄像头实现人脸检测

本文实例为大家分享了Python OpenCV利用笔记本摄像头实现人脸检测的具体代码，供大家参考，具体内容如下。首先参考其他文章安装pip。Ubuntu下的opencv安装方法与win10类似，先安装pip，再在终端中输入下面代码安装即可，这样安装的是py

SSS / 0评论 2019-04-25

基于VC++.NET和OPENCV的身份识别系统开发

首先使用Adaboost方法检测到视频流中的人脸，然后将SIFT特征提取算法应用到人脸特征的提取环节中，提取出人脸的旋转、缩放、平移和光照不变性SIFT特征。通过将检测到的人脸的SIFT特征和人脸库中的人脸SIFT特征进行匹配，找出匹配程度最大的对应的类别

wangdaren / 0评论 2018-05-09

向「假脸」说 No：用OpenCV搭建活体检测器

照片、视频中的人脸有时也能骗过一些不成熟的人脸识别系统，让人们对人脸解锁的安全性产生很大怀疑。在这篇 4 千多字的教程中，作者介绍了如何用 OpenCV 进行活体检测。跟随作者给出的代码和讲解，你可以在人脸识别系统中创建一个活体检测器，用于检测伪造人脸并执

brainxiao / 0评论 2019-04-11

OpenCV人脸识别20行Python代码就可以实现

它使用机器学习算法在图像中搜索人的面部。对于人脸这么复杂的东西，并没有一个简单的检测能对是否存在人脸下结论，而需要成千上万的特征匹配。算法把人脸识别任务分解成数千个小任务，每个都不难处理。这些任务也被称为分类器。OpenCV 使用 cascades 来避免

wangdaren / 0评论 2018-11-03

使用Python和OpenCV进行人脸检测

在前一篇文章中我们了解了如何使用OpenCV检测图片中的湖面轮廓，这篇文章主要介绍如何利用OpenCV检查图片和视频中的人脸。如果没有安装opencv-python，我们需要在的python环境中安装opencv-python。要检测人脸，我们就需要人脸的

meczhang / 0评论 2018-08-10

Python 人脸识别 OpenCV (haarcascades)

# 将识别到的人脸框出来for in faces: cv2.rectangle

芒果浩明 / 0评论 2018-05-12

OpenCV人脸识别LBPH算法源码分析

从OpenCV2.4开始，加入了新的类FaceRecognizer，该类用于人脸识别，使用它可以方便地进行相关识别实验。原始的LBP算子定义为在3*3的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于或等于中心像素值，则

吸喵高手的小窝 / 0评论 2016-07-13

详解如何用OpenCV + Python 实现人脸识别

下午的时候，配好了OpenCV的Python环境，OpenCV的Python环境搭建。于是迫不及待的想体验一下opencv的人脸识别，如下文。通俗的来讲，就是作为人脸特征即可。Haar特征值反映了图像的灰度变化情况。要想使用opencv，就必须先知道其能干

SSS / 0评论 2017-10-20

让OpenCV输出人脸检测的得分代码（置信率）

最近项目略多，其中一个需要找出一些和脸比较像但是不是脸的负样本，想用OpenCV的人脸检测器检测到的错误脸作为这样的负样本。但是国内居然几乎没有相关的资料如何输出detectMultiScale（）的置信率或者说是人脸得分。所以写一篇小小的总结供有相关需求

cangyue000 / 0评论 2015-04-23

OpenCV实现人脸识别

基于Haar的脸部检测器的基本思想是，对于面部正面大部分区域而言，会有眼睛所在区域应该比前额和脸颊更暗，嘴巴应该比脸颊更暗等情形。基于LBP的人脸检测器基本思想与基于Haar的人脸检测器类似，但它比较的是像素亮度直方图，例如，边缘、角落和平坦区域的直方图。

Jasterwisdom / 0评论 2017-04-07

OpenCV 实现人脸检测与相关知识整理

开发配置OpenCV的例程中已经带有了人脸检测的例程，位置在：OpenCV\samples\facedetect.cpp文件，OpenCV的安装与这个例子的测试可以参考我之前的博文Linux 下编译安装OpenCV。网上能够找到关于OpenCV人脸检测的例

opencvfw / 0评论 2014-04-08

利用OpenCV进行人脸识别

OpenCV的全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉库。OpenCV是由英特尔公司发起并参与开发，以BSD许可证授权发行，可以在商业和研究领域中免费使用。OpenCV可用于开发实时的图像处理、

newdelete / 0评论 2013-09-25

OpenCV 人脸识别

本文实现基于eigenface的人脸检测与识别。给定一个图像数据库，进行以下步骤：。Input：一个人脸数据库，15个人，每人20个样本（左右）。本文完成第一步，数据预处理：自动检测所有文件夹中每个sample中的人脸，作为训练数据。Input：一个col

feiye0 / 0评论 2016-06-18

使用OpenCV简易实现HowOldRobot人脸轮廓识别功能

HowOldRobot 是微软推出的一个小服务，实现识别图片中的人脸以及预测图片中人的年龄，预测模型可能比较复杂，但是想做一个简单的人脸轮廓的识别还是比较简单的，下面记录使用Opencv工具包里的haarcascade进行识别的过程。

zhangzhiyu / 0评论 2016-05-31