OpenCV2D 特征框架 (19)目标检测类cv::CascadeClassifier的使用

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

cv::CascadeClassifier 是 OpenCV 中用于对象检测的一个核心类，特别适用于基于 Haar 特征和 LBP（局部二进制模式）特征的目标检测任务。它实现了 Paul Viola 和 Michael Jones 提出的级联分类器算法，并由 Rainer Lienhart 等人进行了改进。

主要功能

加载预训练模型：可以从文件中加载预训练的 Haar 或 LBP 分类器。
对象检测：能够在给定图像中检测特定类型的目标（如人脸、行人等）。
支持多种特征类型：包括 Haar-like 特征和 LBP 特征。

常用成员函数

构造与析构
CascadeClassifier(): 默认构造函数。
~CascadeClassifier(): 析构函数。
加载分类器
bool load(const String& filename): 从指定的 XML 或 YAML 文件加载分类器。这是使用预训练模型的第一步。
对象检测
void detectMultiScale(InputArray image, CV_OUT std::vector & objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size()): 在图像中检测目标对象。主要参数包括：
- image: 输入图像。
- objects: 检测到的对象列表，每个对象由一个矩形框表示。
- scaleFactor: 比例因子，用于控制图像金字塔的比例变化。
- minNeighbors: 每个候选矩形应保留的邻居数。该参数会影响结果的质量。
- flags: 参数设置（现在通常不使用，默认为0）。
- minSize: 目标对象的最小尺寸。
- maxSize: 目标对象的最大尺寸。

其他实用方法

bool empty() const: 判断分类器是否为空。
void setImage(const Mat& img, int origWinWidth, int origWinHeight): 设置用于检测的图像及原始窗口大小。
double getFeatureType() const: 获取使用的特征类型（Haar 或 LBP）。
String getDefaultName() const: 返回对象的默认名称。

示例代码

下面是一个简单的例子，展示如何使用 CascadeClassifier 进行面部检测：

cpp 复制代码

#include <opencv2/objdetect.hpp>
#include <opencv2/opencv.hpp>

int main()
{
    // 创建 CascadeClassifier 对象
    cv::CascadeClassifier face_cascade;

    // 加载预训练的分类器
    if ( !face_cascade.load( "haarcascade_frontalface_default.xml" ) )
    {
        std::cerr << "Error loading face cascade\n";
        return -1;
    }

    // 读取输入图像
    cv::Mat img = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/zhou.png" );
    if ( img.empty() )
    {
        std::cerr << "Error loading image\n";
        return -1;
    }

    // 转换为灰度图
    cv::Mat gray;
    cvtColor( img, gray, cv::COLOR_BGR2GRAY );

    // 进行面部检测
    std::vector< cv::Rect > faces;
    face_cascade.detectMultiScale( gray, faces, 1.1, 3, 0, cv::Size( 30, 30 ) );

    // 绘制检测结果
    for ( size_t i = 0; i < faces.size(); i++ )
    {
        cv::rectangle( img, faces[ i ], cv::Scalar( 255, 0, 0 ), 2 );
    }

    // 显示结果
    cv::imshow( "Detected Faces", img );
    cv::waitKey();
    return 0;
}