【QT+OpenCV】人脸识别简易版

        通过OpenCV自带的特征分类器和函数，实现一个简易版的人脸识别，在程序执行前，先了解一下OpenCV相关知识

haar特征分类器的使用：
    1.图像识别理论：知识+经验

    2.haar特征分类器
    正样本+负样本进行训练
    haar特征、卷积算法、分类决策、级联

    CascadeClassifier:haar特征分类器，object模块中的类
    CascadeClassifier用于加载特征分类器
    empty判断是否加载
    CascadeClassifier加载方式调用构造函数，CascadeClassifier(const string& cascade);
    CascadeClassifier特征分类器在opencv/source目录中，data目录中有部分已经训练完毕的特征分类器。如果是apt下载则在/usr/shar/opencv中

    使用detectMultiScale识别物体：
    void cv::detectMultiScale(const cv::Mat&image, std::vectoer&objects,
    double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(),
    Size maxSize=Size());
    image:要识别的图片，可以转换成灰度图，提高识别速度
    objects：识别结果放置在此容器中
    scaleFactor:放大倍数
    minNeighbors:相邻扫描次数
    flags:识别方式，默认为0， CASCADE_DO_CANNY_PRUNING=1
    minSize:识别时，最小从此大小开始扫描maxSize:识别时，最大扫描到此大小

    Mat对象标注：
    1.rectangle:在图片上画矩形，imgproc模块中的接口
    void cv::rectangle(cv::Mat& img, Rect rec, const cv:: Scalar& color, int thickness=1, int lineType=8, int shift=0);
    img: 目标图像
    rec:矩形范围
    color：矩形边界颜色
    thickness:边线粗细度，负值则填充
    lineType：线类型
    shift:坐标点的小数点位数

    2.putText:在图片上写字，imgproc模块中的接口
    void cv::putText(cv::Mat& img, const std::string& text, cv::Point org, int fontFace,
    double fontScale, cv::Scalar color, int thickness=1, int lineType=8,
    bool bottomLeftOrigin=false);
    img:目标图像
    text：文字内容
    org:字坐标
    fontFace:字体类型 fontScale:字体大小
    color：矩形边界颜色
    thickness:边线粗细度，负值则填充lineType:线类型
    botomLeftOrigin:默认左下对齐
 

代码实现：

在QT中新建一个项目，然后在widget.cpp中输入以下代码

#include "widget.h"
#include "ui_widget.h"

#include 
#include 
#include 
#include 
#include 
#include 

using namespace cv;
using namespace std;

Widget::Widget(QWidget *parent) :
    QWidget(parent),
    ui(new Ui::Widget)
{
    ui->setupUi(this);

    //1.读取图片
    Mat img = imread("C:\\Users\\67098\\Desktop\\6.jpg");

    //2.加载haar特征分类器，选择opencv中的分类器
    CascadeClassifier classifier("C:\\Opencv4.5\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_default.xml");
    if(classifier.empty())                 //如果分类器为空，输出错误信息
    {
        qDebug() << "加载特征器失败！" ;
    }

    vector rects;           //设置存放识别结果的容器

    clock_t s = clock();              //设置记录物体识别前的时间s
    classifier.detectMultiScale(img, rects);   //将图片在特征分类器中进行物体识别，结果放置容器中
    clock_t e = clock();              //设置记录物体识别后的时间s
    qDebug() << "检测时间：" << 1000*(e-s)/CLOCKS_PER_SEC << "ms";   //输出检测时间

    for(auto rect : rects)      //循环容器中的元素
    {                           //输出物体识别的属性
        qDebug() << "x：" << rect.x << "y:" << rect.y << "width:" << rect.width << "hight:" << rect.height;
        rectangle(img, rect, {0,0,255});    //标注出识别范围
        putText(img,"face",{30,30},102,1.0,{0,0,255});   //在图片上标注
    }

    imshow("img",img);   //展示图片
}

Widget::~Widget()
{
    delete ui;
}

运行结果

如果将其中的特征分类器haarcascade_frontalface_default.xml改为OpenCV另外一个识别眼睛的特征分类器haarcascade_eye.xml，再将最后的图片标注改为eye，得到的结果如下