C语言opencv图像识别,opencv实现图片与视频中人脸检测功能

本文实例为大家分享了opencv实现人脸检测功能的具体代码,供大家参考,具体内容如下

第一章:反思与总结

上一篇博客我相信自己将人脸检测中的AdaBoost算法解释的非常清晰了,以及如何训练人脸检测的强分类器:人脸检测中AdaBoost算法详解。事后,自我感觉对这个人脸检测还是不够具体,所以自己抽了一下午的时间用opencv实现图片与视频中的人脸检测,下面是我用vs2013加opencv4.9来实现的。做一下声明,我的代码是参考OpenCV实现人脸检测的一个博客写的,非常感谢这位博主,我学到了很多东西,下面是我一下午实践的总结:

第二章:图片中的人脸检测

啥也不说,先上效果图大笑:

C语言opencv图像识别,opencv实现图片与视频中人脸检测功能_第1张图片

下面是福利图了,图中有志玲姐姐(安静):

C语言opencv图像识别,opencv实现图片与视频中人脸检测功能_第2张图片

可惜没匹配上,很伤心~~~~

有人可能会问这么漂亮的背景图是这么高的,下面是代码~

void CmyFaceDetectDlg::OnPaint()

{

if (IsIconic())

{

CPaintDC dc(this); // 用于绘制的设备上下文

SendMessage(WM_ICONERASEBKGND, reinterpret_cast(dc.GetSafeHdc()), 0);

// 使图标在工作区矩形中居中

int cxIcon = GetSystemMetrics(SM_CXICON);

int cyIcon = GetSystemMetrics(SM_CYICON);

CRect rect;

GetClientRect(&rect);

int x = (rect.Width() - cxIcon + 1) / 2;

int y = (rect.Height() - cyIcon + 1) / 2;

// 绘制图标

dc.DrawIcon(x, y, m_hIcon);

}

else

{

/*改变对话框背景****若需要默认背景,可以删除*/

CPaintDC dc(this);

CRect rect;

GetClientRect(&rect);

CDC dcBmp;

dcBmp.CreateCompatibleDC(&dc);

CBitmap bmpBackGround;

bmpBackGround.LoadBitmap(IDB_BEIJING);//IDB_BEIJING是背景的图片ID,在资源视图中插入资源,选择BITMAP

BITMAP m_bitmap; //上传图片(BMP)格式,将ID设为一致就好了

bmpBackGround.GetBitmap(&m_bitmap);

CBitmap *pbmpOld = dcBmp.SelectObject(&bmpBackGround);

dc.StretchBlt(0, 0, rect.Width(), rect.Height(), &dcBmp, 0, 0, m_bitmap.bmWidth, m_bitmap.bmHeight, SRCCOPY);

CDialogEx::OnPaint();

}}

好了,下面进入正题,如何实现图片中的人脸匹配,见代码,后面有详细解释:

void CmyFaceDetectDlg::OnBnClickedFacedetect()

{

// TODO: 在此添加控件通知处理程序代码

CString filename;

//打开对话框

CFileDialog OpenDlg(TRUE, NULL, NULL, OFN_HIDEREADONLY | OFN_OVERWRITEPROMPT | OFN_NOCHANGEDIR,

_T("图片 (*.jpg)|*.jpg|(*.*) |*.*|"), NULL);

if (OpenDlg.DoModal() != IDOK)

{

return;

}

filename = OpenDlg.GetPathName();//获得文件路径

/*CString转换*string*/

USES_CONVERSION;//USES_CONVERSION是用来转换类型的

//USES_CONVERSION它是在堆栈上分配空间的,也就是说你在你在函数未结束就不会被释放掉。所有要注意不要在一个函数中用while循环执行它,不然栈空间就马上会分配完(栈空间一般只有2M,很小)

std::string tempName(W2A(filename));//转换过程

image = imread(tempName);//读取图片

const String cascade_name = "./haarcascade_frontalface_alt2.xml";//加载人脸库

if (!cascade.load(cascade_name))

{

MessageBox(_T("ERROR:Could not load cascade!"));

return;

}

if (!image.data)

{

MessageBox(_T("ERROR:Could not load image!"));

return;

}

namedWindow("人脸检测", CV_WINDOW_AUTOSIZE);

detectAndDraw(image, cascade, scale);//调用人脸检测函数

imshow("人脸检测", image);

return;

}

void CmyFaceDetectDlg::detectAndDraw(Mat& img, CascadeClassifier& cascade, double scale)

{

/*程序核心函数,检测标记人脸*/

int i = 0;

vectorfaces;//定义一个容器,保存检测结果

const static Scalar colors[] = {

CV_RGB(0, 0, 255),

CV_RGB(0, 128, 255),

CV_RGB(0, 255, 255),

CV_RGB(0, 255, 0),

CV_RGB(255, 128, 0),

CV_RGB(255, 255, 0),

CV_RGB(255, 0, 0),

CV_RGB(255, 0, 255)

};

Mat gray, smallImage(cvRound(img.rows / scale), cvRound(img.cols / scale), CV_8UC1);//用cvRound取整

cvtColor(img, gray, CV_BGR2GRAY);//转化灰度图

resize(gray, smallImage, smallImage.size(), 0, 0, INTER_LINEAR);//图片尺度调整,将gray调整为smallImage.size大小,方法为INTER_LINEAR:局部像素的重采样

equalizeHist(smallImage, smallImage);//直方图均衡

cascade.detectMultiScale(smallImage, faces);//核心,检测人脸

//const_iterator迭代器,是不能改变r所指向的元素的值的

for (vector::const_iterator r = faces.begin(); r != faces.end(); r++, i++)

{

//利用迭代器,标记出人脸位置。

Point center;

Scalar color = colors[i % 8];

int radius;

/*计算出原图像中的圆心和半径。公式很简单,自己写一下,就可以理解了*/

center.x = cvRound((r->x + r->width*0.5)*scale);

center.y = cvRound((r->y + r->height*0.5)*scale);

radius = cvRound((r->width + r->height)*0.25*scale);

circle(img, center, radius, color, 2);

}

}

注意我是在一个MFC的对话框中,这个界面图中按下“图片”button后的操作。

第三章:视频中的人脸检测

其实,和图片中的原理是一样的。因为视频又一帧一帧的图片组成,我们设定一个短的时间间隔,就可以更图片一样了。

先看效果吧:(说明,该视频是一个女子在跳芭蕾舞,我截去3张图片来达到以点概面的效果)

C语言opencv图像识别,opencv实现图片与视频中人脸检测功能_第3张图片

C语言opencv图像识别,opencv实现图片与视频中人脸检测功能_第4张图片

C语言opencv图像识别,opencv实现图片与视频中人脸检测功能_第5张图片

下面见代码:

void CmyFaceDetectDlg::OnBnClickedFacev()

{

// TODO: 在此添加控件通知处理程序代码

//检测视频帧中的人脸

CString filename;

CFileDialog OpenDlg(TRUE, NULL, NULL, OFN_HIDEREADONLY | OFN_OVERWRITEPROMPT | OFN_NOCHANGEDIR,

_T("视频(*.avi)|*.avi|(*.*)|*.*|"), NULL);

if (OpenDlg.DoModal() != IDOK)

{

return;

}

/*CString转换*string*/

filename = OpenDlg.GetPathName();

USES_CONVERSION;

std::string tempName(W2A(filename));

const String cascade_name = "./haarcascade_frontalface_alt2.xml";

if (!cascade.load(cascade_name))

{

MessageBox(_T("ERROR:Could not load cascade!"));

return;

}

VideoCapture capture(tempName);//打开视频

if (!capture.isOpened())

{

MessageBox(_T("ERROR:Could not load Video!"));

return;

}

double rate = capture.get(CV_CAP_PROP_FPS);

bool stop(false);

int delay = 1000 / rate;

while (!stop)

{

if (!capture.read(image))//读取视频帧

break;

detectAndDraw(image, cascade, scale);

imshow("人脸检测", image);

if (waitKey(delay) >= 0)

stop = true;

}

capture.release();

return;

}

第四章:总结

人脸匹配最总要的是如何生成匹配库,也是检测的方法的差别。库的生成和机器学习密切相关,学习永无止境,努力吧!

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

你可能感兴趣的:(C语言opencv图像识别)