测试一下自己生成的分类器xml 可不可以用 ~~

自己生成分类器后，可不可以使用呢？

可以用下面 的程序 测试一下：

#include "cv.h"
#include "highgui.h"

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <assert.h> //用于防御式编程
#include <math.h>
#include <float.h>//<float.h>与<limits.h>一样是定义边界值的,<float.h>定义的是浮点数的边界值
#include <limits.h>
#include <time.h>
#include <ctype.h>//在调用字符函数时，在源文件中包含的头文件

#ifdef _EiC
#define WIN32
#endif


static CvMemStorage *storage = 0;
static CvHaarClassifierCascade *cascade = 0;//harr 分类器级联的内部标识形式

void detect_and_draw( IplImage *image);

const char *cascade_name = "F:\\分类器\\eye\\data\\cascade\\cascade.xml"; //自己训练生成的分类器的绝对路径

int main()
{
   CvCapture *capture = 0;
   IplImage *frame, *frame_copy = 0;
   const char *input_name;

   cascade = (CvHaarClassifierCascade*)cvLoad(cascade_name, 0, 0, 0);
 
   if ( !cascade )
   {
     fprintf( stderr, "ERROR:没有文件\n");
     return -1;
   }
   storage = cvCreateMemStorage(0);//创建内存块
   capture = cvCaptureFromCAM(0);//获取摄像头
   cvNamedWindow( "人脸识别", 1);//创建格式化窗口

   if (capture)
   {
     //循环从摄像头读出图片进行检测
     while(1)
	 {
      
        if (!cvGrabFrame( capture ))
		{
           break;
		}
     
       frame = cvRetrieveFrame( capture ); //获得由cvGrabFrame函数抓取的图片
      
       if (!frame)
	   {
	      break;
	   }   
      if (!frame_copy)
	  {
        frame_copy = cvCreateImage(cvSize(frame->width,frame->height),IPL_DEPTH_8U,frame->nChannels);
	  }
      //图像原点或者是左上角 (img->origin=IPL_ORIGIN_TL)或者是左下角(img->origin=IPL_ORIGIN_BL)
      if (frame->origin == IPL_ORIGIN_TL)
	  {
         cvCopy (frame, frame_copy, 0);
	  } 
      else
	  {
         //flip_mode = 0 沿X-轴翻转, flip_mode > 0 (如 1) 沿Y-轴翻转， flip_mode < 0 (如 -1) 沿X-轴和Y-轴翻转.见下面的公式 
        //函数cvFlip 以三种方式之一翻转数组 (行和列下标是以0为基点的): 
        cvFlip (frame, frame_copy, 0);//反转图像
	  }
      detect_and_draw( frame_copy ); // 检测并且标识人脸
      if(cvWaitKey (10) >= 0)
        break;
	}
  
  //释放指针
  cvReleaseImage( &frame_copy );
  cvReleaseCapture( &capture);
 }
 
   cvDestroyWindow("人脸识别");
   return 0;
}


void detect_and_draw(IplImage *img) //检测和画出人脸的函数体
{
 //随机颜色
   static CvScalar colors[] =
   {
  {{0,0,255}},
  {{0,128,255}},
  {{0,255,255}},
  {{0,255,0}},
  {{255,128,0}},
  {{255,255,0}},
  {{255,0,0}},
  {{255,0,255}}
   };
 
   double scale = 1.3;
   IplImage *gray = cvCreateImage(cvSize(img->width,img->height), 8, 1);//灰度图像
   IplImage *small_img = cvCreateImage(cvSize(cvRound(img->width/scale),cvRound(img->height/scale)),8, 1);
   int i;
   cvCvtColor(img, gray, CV_BGR2GRAY);//把输入的彩色图像转化为灰度图像
   cvResize(gray, small_img,CV_INTER_LINEAR);//缩小灰色图片
   cvEqualizeHist(small_img, small_img);//灰度图象直方图均衡化
   cvClearMemStorage(storage);//释放内存块

   if (cascade)
   {
     double t = (double)cvGetTickCount();//精确测量函数的执行时间
     //从目标图像small_img中检测出人脸
     CvSeq *faces = cvHaarDetectObjects(small_img, cascade,storage,1.1,2,0,cvSize(30, 30));
     t = (double)cvGetTickCount() - t; //计算检测到人脸所需时间
     printf("检测所用时间 = %gms\n",t/((double)cvGetTickFrequency()*1000.));//计算每贞耗时，打印到屏幕

     //画出检测到的人脸外框(可检测到多个人脸)
     for (i = 0; i < (faces ? faces->total : 0); i++)
	 {
       //返回索引所指定的元素指针
        CvRect *r = (CvRect*)cvGetSeqElem(faces, i); 
       //用矩形
       //确定两个点来确定人脸位置因为用cvRetangle
        CvPoint pt1, pt2;
       //找到画矩形的两个点
       pt1.x = r->x*scale;
       pt2.x = (r->x+r->width)*scale;
       pt1.y = r->y*scale;
       pt2.y = (r->y+r->height)*scale;
       //画出矩形
       cvRectangle( img, pt1, pt2, colors[i%8], 3, 8, 0 );
	 }

   }
  cvShowImage("人脸识别",img);
  cvReleaseImage(&gray);
  cvReleaseImage(&small_img);
}

在vc6.0 下使用的opencv1.0 可以正确运行~ok，就说明你的分类器可以啦。至于精确不精确就是你所训练的分类器的问题啦~~

===================================================

cvHaarDetectObjects函数介绍：

检测图像中的目标

typedef struct CvAvgComp
{
    CvRect rect; /* bounding rectangle for the object (average rectangle of a group) */
    int neighbors; /* number of neighbor rectangles in the group */
}
CvAvgComp;

CvSeq* cvHaarDetectObjects( const CvArr* image, CvHaarClassifierCascade* cascade,
                            CvMemStorage* storage, double scale_factor=1.1,
                            int min_neighbors=3, int flags=0,
                            CvSize min_size=cvSize(0,0) );

image

被检图像

cascade

harr 分类器级联的内部标识形式

storage

用来存储检测到的一序列候选目标矩形框的内存区域。

scale_factor

在前后两次相继的扫描中，搜索窗口的比例系数。例如1.1指将搜索窗口依次扩大10%。

min_neighbors

构成检测目标的相邻矩形的最小个数(缺省－1)。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。

flags

操作方式。当前唯一可以定义的操作方式是 CV_HAAR_DO_CANNY_PRUNING。如果被设定，函数利用Canny边缘检测器来排除一些边缘很少或者很多的图像区域，因为这样的区域一般不含被检目标。人脸检测中通过设定阈值使用了这种方法，并因此提高了检测速度。

min_size

检测窗口的最小尺寸。缺省的情况下被设为分类器训练时采用的样本尺寸(人脸检测中缺省大小是~20×20)。

函数 cvHaarDetectObjects 使用针对某目标物体训练的级联分类器在图像中找到包含目标物体的矩形区域，并且将这些区域作为一序列的矩形框返回。函数以不同比例大小的扫描窗口对图像进行几次搜索(察看cvSetImagesForHaarClassifierCascade)。 每次都要对图像中的这些重叠区域利用cvRunHaarClassifierCascade进行检测。 有时候也会利用某些继承（heuristics）技术以减少分析的候选区域，例如利用 Canny 裁减 （prunning）方法。 函数在处理和收集到候选的方框(全部通过级联分类器各层的区域)之后，接着对这些区域进行组合并且返回一系列各个足够大的组合中的平均矩形。调节程序中的缺省参数(scale_factor=1.1, min_neighbors=3, flags=0)用于对目标进行更精确同时也是耗时较长的进一步检测。为了能对视频图像进行更快的实时检测，参数设置通常是：scale_factor=1.2, min_neighbors=2, flags=CV_HAAR_DO_CANNY_PRUNING, min_size=<minimum possible face size> (例如, 对于视频会议的图像区域).

例子:利用级联的Haar classifiers寻找检测目标(e.g. faces).

函数参见：  http://www.opencv.org.cn/index.php/Cv%E6%A8%A1%E5%BC%8F%E8%AF%86%E5%88%AB