OpenCV使用级联分类器实现人脸检测

一、概述

　　案例：使用opencv级联分类器CascadeClassifier+其提供的特征数据实现人脸检测，检测到人脸后使用红框画出来。　

API介绍：
detectMultiScale( InputArray image,
                                  CV_OUT std::vector& objects,double scaleFactor = 1.1,
                                  int minNeighbors = 3, int flags = 0,
                                  Size minSize = Size(),
                                  Size maxSize = Size(),
                                 );
image:输入图像
objects：检测到的目标区域数组（因一副图像中有可能有多个人脸）
scaleFactor：搜索前后两次窗口大小比例系数，默认为1:1，即每次搜索窗口扩大10%
minNeighbors：构成检测目标的相邻矩形的最小个数 如果组成检测目标的小矩形的个数和小于minneighbors - 1 都会被排除，如果minneighbors为0 则函数不做任何操作就返回所有被检候选矩形框。
flags：若设置为CV_HAAR_DO_CANNY_PRUNING 函数将会使用Canny边缘检测来排除边缘过多或过少的区域，默认写0即可
minSize：检测的最小尺寸
maxSize：检测的最大尺寸

　　实现人脸检测的步骤：

　　　　1.实例化CascadeClassifier face_cascade

　　　　2.使用load加载特征数据

　　　　3.载入待检测图像

　　　　4.图像灰度化

　　　　5.将灰度图进行直方图均衡化

　　　　6.进行多尺度检测，并输出检测到的人脸区域候选数组

　　　　7.将人脸区域数组绘制并显示到原图输出

　　

二、代码示例

 //加载特征数据
    CascadeClassifier face_cascade;
    if(!face_cascade.load(xmlPath.toStdString())){
        qDebug()<<"不能加载特征数据";
        return;
    }

    Mat src = imread(filePath);
    if(src.empty()){
        qDebug()<<"图片不能为空";
        return;
    }
    imshow("src",src);
    Mat gray;
    cvtColor(src,gray,COLOR_BGR2GRAY);
    //进行直方图均衡化
    equalizeHist(gray,gray);
//    imshow("equalizHist",gray);

    //执行多尺度特征检测
    vector faces;
    face_cascade.detectMultiScale(gray,faces,1.1,minTargetRectCount,0,Size(24,24));
    for(size_t i = 0;i){
        rectangle(src,faces[i],Scalar(0,0,255),2,LINE_8,0);
    }
    imshow("result",src);

 

三、示例图片