文档结构  
翻译进度:已翻译     翻译赏金:0 元 (?)    ¥ 我要打赏

目标

在此篇教程中你将会学习如何:

  • 利用 CascadeClassifier类在视频中检测物体。特别的,我们将会用到以下函数:
  • load :用于加载一个.xml后缀的分类器文件。它可以是一个Haar或者一个LBP分类器。
  • detectMultiScale :用于执行检测。

代码

此篇教程的代码如下。你也可以从这里下载。利用LBP做面部识别的第二个版本代码亦可从找到。

#include "opencv2/objdetect/objdetect.hpp"
 #include "opencv2/highgui/highgui.hpp"
 #include "opencv2/imgproc/imgproc.hpp"

 #include <iostream>
 #include <stdio.h>

 using namespace std;
 using namespace cv;

 /** 函数头 */
 void detectAndDisplay( Mat frame );

 /** 全局变量 */
 String face_cascade_name = "haarcascade_frontalface_alt.xml";
 String eyes_cascade_name = "haarcascade_eye_tree_eyeglasses.xml";
 CascadeClassifier face_cascade;
 CascadeClassifier eyes_cascade;
 string window_name = "Capture - Face detection";
 RNG rng(12345);

 /** @主函数 */
 int main( int argc, const char** argv )
 {
   CvCapture* capture;
   Mat frame;

   //-- 1. 加载级联分类器
   if( !face_cascade.load( face_cascade_name ) ){ printf("--(!)Error loading\n"); return -1; };
   if( !eyes_cascade.load( eyes_cascade_name ) ){ printf("--(!)Error loading\n"); return -1; };

   //-- 2. 读取视频流
   capture = cvCaptureFromCAM( -1 );
   if( capture )
   {
     while( true )
     {
   frame = cvQueryFrame( capture );

   //-- 3. 对frame使用分类器
       if( !frame.empty() )
       { detectAndDisplay( frame ); }
       else
       { printf(" --(!) No captured frame -- Break!"); break; }

       int c = waitKey(10);
       if( (char)c == 'c' ) { break; }
      }
   }
   return 0;
 }

/** @函数:detectAndDisplay */
void detectAndDisplay( Mat frame )
{
  std::vector<Rect> faces;
  Mat frame_gray;

  cvtColor( frame, frame_gray, CV_BGR2GRAY );
  equalizeHist( frame_gray, frame_gray );

  //-- 检测人脸
  face_cascade.detectMultiScale( frame_gray, faces, 1.1, 2, 0|CV_HAAR_SCALE_IMAGE, Size(30, 30) );

  for( size_t i = 0; i < faces.size(); i++ )
  {
    Point center( faces[i].x + faces[i].width*0.5, faces[i].y + faces[i].height*0.5 );
    ellipse( frame, center, Size( faces[i].width*0.5, faces[i].height*0.5), 0, 0, 360, Scalar( 255, 0, 255 ), 4, 8, 0 );

    Mat faceROI = frame_gray( faces[i] );
    std::vector<Rect> eyes;

    //-- 在每一个人脸中寻找人眼
    eyes_cascade.detectMultiScale( faceROI, eyes, 1.1, 2, 0 |CV_HAAR_SCALE_IMAGE, Size(30, 30) );

    for( size_t j = 0; j < eyes.size(); j++ )
     {
       Point center( faces[i].x + eyes[j].x + eyes[j].width*0.5, faces[i].y + eyes[j].y + eyes[j].height*0.5 );
       int radius = cvRound( (eyes[j].width + eyes[j].height)*0.25 );
       circle( frame, center, radius, Scalar( 255, 0, 0 ), 4, 8, 0 );
     }
  }
  //-- 显示结果
  imshow( window_name, frame );
 }
第 1 段(可获 2 积分)

结论

  1. 这里显示了上述代码的结果,在这我们使用的是一个内置的网络摄像头:记得下载 haarcascade_frontalface_alt.xml 和haarcascade_eye_tree_eyeglasses.xml 文件到您的根程序路径中.他们位于opencv/data/haarcascades../../../../_images/Cascade_Classifier_Tutorial_Result_Haar.jpg
  2. 这是利用了lbpcascade_frontalface.xml文件(训练过的LBP分类器)做的面部识别。对于眼睛识别,我们也用了教程中的文件。
    ../../../../_images/Cascade_Classifier_Tutorial_Result_LBP.jpg
第 2 段(可获 2 积分)

文章评论