opencv/C++ 人脸检测

前言

本文使用的测试资源说明:

opencv版本:opencv 4.6.0

人脸检测算法

Haar特征分类器

Haar特征分类器是一个XML文件,描述了人体各个部位的Haar特征值。包括:人脸、眼睛、鼻子、嘴等。

opencv 4.6.0自带的Haar特征分类器,包括:

人脸检测模型

haarcascade_frontalface_alt.xml

haarcascade_frontalface_alt2.xml

  • 注:识别人体其它部位,只需替换对应的xml分类器即可。

detectMultiScale函数

cpp 复制代码
/********************************************************************************
image:待检测图片,一般为灰度图像加快检测速度
objects:被检测物体的矩形框向量组
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%
minNeighbors:表示构成检测目标的相邻矩形的最小个数(默认为3)。
       	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:默认值0。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
minSize:用来限制得到的目标区域的范围
maxSize:用来限制得到的目标区域的范围
********************************************************************************/
void detectMultiScale(
	const Mat& image,
	CV_OUT vector<Rect>& objects,
	double scaleFactor = 1.1,
	int minNeighbors = 3, 
	int flags = 0,
	Size minSize = Size(),
	Size maxSize = Size()
);

原彩色图片测试

cpp 复制代码
int test_func_1() {
    Mat img = imread("test_face/group1.jpg");
    imshow("test", img);

    //建立级联分类器
    CascadeClassifier cascade;
    //加载人脸检测器
    cascade.load("test_face/haarcascade_frontalface_alt2.xml");
    //人脸检测
    vector<Rect> faces;
    cascade.detectMultiScale(img,faces,1.1,3,0,Size(30,30));
    //显示人脸框
    if (faces.size()) {
        cout << "人脸数量:" << faces.size() << endl;
        for (size_t i = 0; i < faces.size(); i++) {
            rectangle(img,faces[i], Scalar(0,0,255),3,8,0);
        }
    }
    else {
        cout << "未检测到人脸" << endl;
    }
    imshow("test_2", img);

    waitKey(0);
    return 0;
}

测试结果


彩色图片转灰度后测试

先转成灰度图片,再送检测,以提升检测速度。

cpp 复制代码
int test_func_2() {
    //建立级联分类器
    CascadeClassifier cascade;
    //加载人脸检测器
    cascade.load("test_face/haarcascade_frontalface_alt2.xml");
    //读取图片
    Mat srcImg = imread("test_face/group1.jpg");
    imshow("test", srcImg);
    //生成灰度图
    Mat grayImg;
    grayImg.create(srcImg.size(),srcImg.type());
    cvtColor(srcImg,grayImg,COLOR_BGR2GRAY);
    //人脸检测
    vector<Rect> faces;
    cascade.detectMultiScale(grayImg, faces, 1.1, 3, 0);
    //显示人脸框
    if (faces.size()) {
        cout << "人脸数量:" << faces.size() << endl;
        for (size_t i = 0; i < faces.size(); i++) {
            rectangle(srcImg, faces[i], Scalar(0, 0, 255), 3, 8, 0);
        }
    }
    else {
        cout << "未检测到人脸" << endl;
    }
    imshow("test_2", srcImg);

    waitKey(0);
    return 0;
}

测试结果

相关推荐
XIAO·宝16 小时前
深度学习------YOLOV3
人工智能·深度学习·yolo
AI科技星16 小时前
垂直原理:宇宙的沉默法则与万物运动的终极源头
android·服务器·数据结构·数据库·人工智能
开始学AI17 小时前
ChatClimate:让对话式人工智能立足于气候科学
人工智能
学习路上_write17 小时前
神经网络初次学习收获
人工智能·python
zstar-_17 小时前
DeepSeek-OCR可能成为开启新时代的钥匙
人工智能·ocr
墨利昂17 小时前
自然语言处理NLP的数据预处理:从原始文本到模型输入(MindSpore版)
人工智能·自然语言处理
wb0430720117 小时前
如何开发一个 IDEA 插件通过 Ollama 调用大模型为方法生成仙侠风格的注释
人工智能·语言模型·kotlin·intellij-idea
apocalypsx17 小时前
深度学习-卷积神经网络基础
人工智能·深度学习·cnn
Aevget17 小时前
界面控件DevExpress WPF v25.2新功能预览 - 聚焦AI功能提升
人工智能·wpf·界面控件·devexpress·ui开发·.net 10
F_D_Z17 小时前
扩散模型对齐:DMPO 让模型更懂人类偏好
人工智能·扩散模型·kl散度·双阶段训练·散度最小化偏好优化