一、步骤
1.1.创建级联分类器
1.2.载入训练模型
1.3.文件判空检查
1.4.创建人脸存放的vector
1.5.使用detectMultiScale函数
1.5.1 函数参数详解
1.6.在原图中画出人脸矩形边框
二、效果
三、代码
//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 faces;
//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)
void detectMultiScale(
const Mat& image,
CV_OUT vector& 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。
//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);
}
#include
#include
#include
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 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;
}