opencv实现图片及视频流（摄像头）的人脸检测
本文将实现opencv的人脸检测，首先从最简单的图片检测人脸开始。
在opencv中，主要有 Haar特征 和 LBP特征 进行人脸检测。
opencv自带训练好的分类器，在源码的data目录下有“lbpcascades”，“haarcascades”，“hogcascades”三个文件夹，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。"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。如，在“haarcascades”下是大量的针对不同目标的训练文件，如下：
从文件名也大概能看出各个文件主要用途。
人脸检测器（默认）：haarcascade_frontalface_default.xml
人脸检测器（快速Harr）：haarcascade_frontalface_alt2.xml
人脸检测器（侧视）：haarcascade_profileface.xml
眼部检测器（左眼）：haarcascade_lefteye_2splits.xml
眼部检测器（右眼）：haarcascade_righteye_2splits.xml
嘴部检测器：haarcascade_mcs_mouth.xml
鼻子检测器：haarcascade_mcs_nose.xml
身体检测器：haarcascade_fullbody.xml
人脸检测器（快速LBP）：lbpcascade_frontalface.xml
本文中，我们将利用“haarcascade_frontalface_alt2.xml”对上面图片进行人脸检测。
首先，应用“CascadeClassifier”实例化
CascadeClassifier faceCascade;加载分类器：
bool CascadeClassifier::load( const String& filename )人脸检测：
void CascadeClassifier::detectMultiScale( InputArray image,
CV_OUT std::vector& objects,
double scaleFactor,
int minNeighbors, int flags,
Size minSize,
Size maxSize ) 各参数如下：
- InputArray image: 需要被检测的图像（灰度图）
- vector
& objects: 保存被检测出的人脸位置坐标序列 - double scaleFactor: 每次图片缩放的比例
- int minNeighbors: 每一个人脸至少要检测到多少次才算是真的人脸
- int flags： 决定是缩放分类器来检测，还是缩放图像
- Size minSize: 表示人脸的最小尺寸
- Size maxSize: 表示人脸的最大尺寸
一、图片中的人脸检测
代码实现：
#include
#include
#include
using namespace cv;
using namespace std;
CascadeClassifier faceCascade;
int main()
{
faceCascade.load("/root/library/opencv/opencv-3.4.0/data/haarcascades/haarcascade_frontalface_alt2.xml"); //加载分类器
Mat img = imread("myImage.JPEG"); // 载入图片
Mat imgGray;
vector faces;
if(img.empty())
{
return 1;
}
if(img.channels() ==3)
{
cvtColor(img, imgGray, CV_RGB2GRAY); // RGB转化为灰度
}
else
{
imgGray = img; // 不转化
}
faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0)); // 检测人脸
if(faces.size()>0)
{
for(int i =0; i 编译运行：
二、视频（摄像头）中的人脸检测
视频中的人脸检测跟图片类似，一样的过程。
可将视频看作是一帧帧的图片，对每一帧进行上述的图片检测即可，不断循环。
代码实现：
#include
#include
#include
#include
using namespace cv;
using namespace std;
CascadeClassifier faceCascade;
int main()
{
faceCascade.load("/root/library/opencv/opencv-3.4.0/data/haarcascades/haarcascade_frontalface_alt2.xml");
VideoCapture capture;
capture.open(1); // 打开摄像头
// capture.open("video.avi"); // 打开视频
if(!capture.isOpened())
{
cout << "open camera failed. " << endl;
return -1;
}
Mat img, imgGray;
vector faces;
while(1)
{
capture >> img; // 读取图像至img
if(img.empty())
{
continue;
}
if(img.channels() == 3)
{
cvtColor(img, imgGray, CV_RGB2GRAY);
}
else
{
imgGray = img;
}
faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0)); // 检测人脸
if(faces.size()>0)
{
for(int i =0; i 0) // delay ms 等待按键退出
{
break;
}
}
return 0;
}
编译运行：
视频有点卡顿，后续优化。
优化参考：
博客：【opencv视频流（摄像头）的人脸检测的优化】
备注：参考博客 http://blog.csdn.net/lsq2902101015/article/details/47057081 http://blog.csdn.net/chaipp0607/article/details/54234663