opencv实现图片与视频中的人脸检测

时间：2021-03-24 04:11:02

opencv实现图片与视频中的人脸检测

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：http://blog.csdn.net/wo13142yanyouxin/article/details/76572119。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http://blog.csdn.net/zxc024000/article/details/50456917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opencv实现图片与视频中的人脸检测：界面，是不是很sao，哈哈

opencv实现图片与视频中的人脸检测

下面是福利图了，图中有志玲姐姐（opencv实现图片与视频中的人脸检测）：

opencv实现图片与视频中的人脸检测

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<WPARAM>(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;
	vector<Rect>faces;//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<Rect>::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）
 

opencv实现图片与视频中的人脸检测
 

opencv实现图片与视频中的人脸检测
 

opencv实现图片与视频中的人脸检测
 

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！

 


 


 


 


 


标签：
相关文章