基于qt和opencv3人脸检测
2017-04-24 10:56
555 查看
第一步:opencv里面人脸检测的方法
在opencv中,人脸检测用的是harr或LBP特征,分类算法用的是adaboost算法。这种算法需要提前训练大量的图片,非常耗时,因此opencv已经训练好了,把训练结果存放在一些xml文件里面。
上图中文件夹的名字“haarcascades”、“hogcascades”和“lbpcascades”分别表示通过“haar”、“hog”和“lbp”三种不同的特征而训练出的分类器:即各文件夹里的文件。"haar"特征主要用于人脸检测,“hog”特征主要用于行人检测,“lbp”特征主要用于人脸识别。打开“haarcascades”文件夹,如下图所示
图中的XML文件即是我们人脸检测所需要的分类器文件。在实际使用中,推荐使用上图中被标记的“haarcascade_frontalface_alt2.xml”分类器文件,准确率和速度都比较好。
第二步:用的类与函数
人脸检测主要用到的是CascadeClassifier这个类,以及该类下的detectMultiScale函数。
函数原型是:
总共有7个参数,分别是
第一个参数image: 要检测的图片,一般为灰度图
第二个参数objects: Rect型的容器,存放所有检测出的人脸,每个人脸是一个矩形
第三个参数scaleFactor: 缩放因子,对图片进行缩放,默认为1.1
第四个参数minNeighbors: 最小邻居数,默认为3
第五个参数flags: 兼容老版本的一个参数,在3.0版本中没用处。默认为0
第六个参数minSize: 最小尺寸,检测出的人脸最小尺寸
第七个参数maxSize: 最大尺寸,检测出的人脸最大尺寸
第三步:程序
#include<opencv2/objdetect/objdetect.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
string xmlPath="/home/xyl/opencv/data/haarcascades/haarcascade_frontalface_alt2.xml";
CascadeClassifier ccf; //创建分类器对象
Mat img=imread("1.jpg");
if(!ccf.load(xmlPath)) //加载训练文件
{
cout<<"不能加载指定的xml文件"<<endl;
return 0;
}
vector<Rect> faces; //创建一个容器保存检测出来的脸
Mat gray;
cvtColor(img,gray,CV_BGR2GRAY); //转换成灰度图,因为harr特征从灰度图中提取
equalizeHist(gray,gray); //直方图均衡行
ccf.detectMultiScale(gray,faces,1.1,3,0,Size(10,10),Size(100,100)); //检测人脸
for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++)
{
rectangle(img,*iter,Scalar(0,0,255),2,8); //画出脸部矩形
}
imshow("faces",img);
waitKey(0);
return 1;
}第四步:运行程序,出现的效果
在opencv中,人脸检测用的是harr或LBP特征,分类算法用的是adaboost算法。这种算法需要提前训练大量的图片,非常耗时,因此opencv已经训练好了,把训练结果存放在一些xml文件里面。
上图中文件夹的名字“haarcascades”、“hogcascades”和“lbpcascades”分别表示通过“haar”、“hog”和“lbp”三种不同的特征而训练出的分类器:即各文件夹里的文件。"haar"特征主要用于人脸检测,“hog”特征主要用于行人检测,“lbp”特征主要用于人脸识别。打开“haarcascades”文件夹,如下图所示
图中的XML文件即是我们人脸检测所需要的分类器文件。在实际使用中,推荐使用上图中被标记的“haarcascade_frontalface_alt2.xml”分类器文件,准确率和速度都比较好。
第二步:用的类与函数
人脸检测主要用到的是CascadeClassifier这个类,以及该类下的detectMultiScale函数。
函数原型是:
void CascadeClassifier::detectMultiScale(InputArray image, vector<Rect>& objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())
总共有7个参数,分别是
第一个参数image: 要检测的图片,一般为灰度图
第二个参数objects: Rect型的容器,存放所有检测出的人脸,每个人脸是一个矩形
第三个参数scaleFactor: 缩放因子,对图片进行缩放,默认为1.1
第四个参数minNeighbors: 最小邻居数,默认为3
第五个参数flags: 兼容老版本的一个参数,在3.0版本中没用处。默认为0
第六个参数minSize: 最小尺寸,检测出的人脸最小尺寸
第七个参数maxSize: 最大尺寸,检测出的人脸最大尺寸
第三步:程序
#include<opencv2/objdetect/objdetect.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
string xmlPath="/home/xyl/opencv/data/haarcascades/haarcascade_frontalface_alt2.xml";
CascadeClassifier ccf; //创建分类器对象
Mat img=imread("1.jpg");
if(!ccf.load(xmlPath)) //加载训练文件
{
cout<<"不能加载指定的xml文件"<<endl;
return 0;
}
vector<Rect> faces; //创建一个容器保存检测出来的脸
Mat gray;
cvtColor(img,gray,CV_BGR2GRAY); //转换成灰度图,因为harr特征从灰度图中提取
equalizeHist(gray,gray); //直方图均衡行
ccf.detectMultiScale(gray,faces,1.1,3,0,Size(10,10),Size(100,100)); //检测人脸
for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++)
{
rectangle(img,*iter,Scalar(0,0,255),2,8); //画出脸部矩形
}
imshow("faces",img);
waitKey(0);
return 1;
}第四步:运行程序,出现的效果
相关文章推荐
- 基于QT和OpenCV的人脸检测识别系统(2)
- 基于QT和OpenCV的人脸检测识别系统(2)
- 基于opencv和QT的人脸(人眼)检测程序
- Qt基于opencv的人脸检测及相关算法测试工具
- Qt+Caffe+OpenCV——【一个基于VGG网络的人脸识别考勤系统】(一)人脸检测与识别模块
- 基于QT和OpenCV的人脸检测识别系统(1)
- Python基于OpenCV的人脸检测
- 基于 opencv3.3 Android 人脸检测
- QT+Opencv实现人脸检测与性别识别(1)
- 【AdaBoost算法】基于OpenCV实现人脸检测Demo
- 基于深度学习的人脸识别系统系列(Caffe+OpenCV+Dlib)——【二】人脸检测与预处理接口的设计
- 基于opencv的人脸检测程序
- OpenCV&Qt学习之四——OpenCV 实现人脸检测与相关知识整理
- 基于Opencv的视频人脸检测
- 基于Haar分类器的OpenCV人脸检测实例
- 基于opencv人脸检测原理及实现
- 基于OpenCV读取摄像头进行人脸检测和人脸识别
- 人脸识别中的检测(在Opencv中加入了QT)
- OpenCV&Qt学习之四——OpenCV 实现人脸检测与相关知识整理
- 如何使基于OpenCV库的人脸检测系统在其它机器上运行