目录
一、步骤
1.1.创建级联分类器
-
//创建级联分类器
-
CascadeClassifier faceCascade;
1.2.载入训练模型
-
//载入训练模型
-
faceCascade.load(
"Resources/haarcascade_frontalface_default.xml");
1.3.文件判空检查
-
//文件判空检查
-
if (faceCascade.empty())
-
{
-
cout <<
"XML file not loaded" <<
endl;
-
}
1.4.创建人脸存放的vector
-
//创建人脸存放的矩形向量
-
vector<Rect> faces;
1.5.使用detectMultiScale函数
-
//使用人脸级联点检测多尺度方法
-
faceCascade.detectMultiScale(img, faces,
1.1,
10);
opencv2中人脸检测使用的是 detectMultiScale函数。它可以检测出图片中所有的人脸，并将人脸用vector保存各个人脸的坐标、大小（用矩形表示）
1.5.1 函数参数详解
-
void detectMultiScale(
-
const Mat& image,
-
CV_OUT vector<Rect>& objects,
-
double scaleFactor = 1.1,
-
int minNeighbors = 3,
-
int flags = 0,
-
Size minSize = Size(),
-
Size maxSize = Size()
-
);
参数含义：
参数1：image--待检测图片，一般为灰度图像加快检测速度；
参数2：objects--被检测物体的矩形框向量组；
参数3：scaleFactor--表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;
参数4：minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。
如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。
如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，
这种设定值一般用在用户自定义对检测结果的组合程序上；
参数5：flags--要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，
因此这些区域通常不会是人脸所在区域；
参数6、7：minSize和maxSize用来限制得到的目标区域的范围。
1.6.在原图中画出人脸矩形边框
-
//打印出脸
-
for (
int i =
0; i < faces.size(); i++)
-
{
-
//绘制矩形边框
-
//tl:top left
-
//br:bottom right
-
rectangle(img, faces[i].tl(),faces[i].br(), Scalar(
255,
0,
255),
3);
-
}
二、效果
三、代码
-
#include <opencv2/opencv.hpp>
-
#include <opencv2/objdetect.hpp>
-
#include <iostream>
-
-
using
namespace cv;
-
using
namespace
std;
-
-
int main()
-
{
-
//定义图片路径
-
string path =
"Resources/test.png";
-
//使用Mat对象来存储
-
Mat img = imread(path);
-
//创建级联分类器
-
CascadeClassifier faceCascade;
-
//载入训练模型
-
faceCascade.load(
"Resources/haarcascade_frontalface_default.xml");
-
//文件判空检查
-
if (faceCascade.empty())
-
{
-
cout <<
"XML file not loaded" <<
endl;
-
}
-
//创建人脸存放的矩形向量
-
vector<Rect> faces;
-
//使用人脸级联点检测多尺度方法
-
faceCascade.detectMultiScale(img, faces,
1.1,
10);
-
//打印出脸
-
for (
int i =
0; i < faces.size(); i++)
-
{
-
//绘制矩形边框
-
//tl:top left
-
//br:bottom right
-
rectangle(img, faces[i].tl(),faces[i].br(), Scalar(
255,
0,
255),
3);
-
}
-
imshow(
"Image", img);
-
waitKey(
0);
-
return
0;
-
}
转载：https://blog.csdn.net/Kukeoo/article/details/116330952
查看评论