说到人脸检测，首先要了解haar特征分类器。haar特征分类器说白了就是一个个的xml文件，不同的xml里面描述人体各个部位的特征值，比如人脸、眼睛等等。opencv3.2.0中提供了如下特征文件：
haarcascade_eye.xml
haarcascade_eye_tree_eyeglasses.xml
haarcascade_frontalcatface.xml
haarcascade_frontalcatface_extended.xml
haarcascade_frontalface_alt.xml
haarcascade_frontalface_alt_tree.xml
haarcascade_frontalface_alt2.xml
haarcascade_frontalface_default.xml
haarcascade_fullbody.xml
haarcascade_lefteye_2splits.xml
haarcascade_licence_plate_rus_16stages.xml
haarcascade_lowerbody.xml
haarcascade_profileface.xml
haarcascade_righteye_2splits.xml
haarcascade_russian_plate_number.xml
haarcascade_smile.xml
haarcascade_upperbody.xml
通过加载不同的特征文件，就能达到相应的检测效果。
opencv3.2.0中detectmultiscale函数参数说明：
detectmultiscale(mat image, matofrect objects, double scalefactor, int minneighbors, int flags, size minsize, size maxsize)
image：待检测图片，一般为灰度图（提高效率）
objects：被检测物体的矩形框向量组
scalefactor：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：构成检测目标的相邻矩形的最小个数(默认为3个)
flags：要么使用默认值，要么使用cv_haar_do_canny_pruning，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：得到的目标区域的最小范围
maxsize：得到的目标区域的最大范围
人脸检测示例代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
|
import org.opencv.core.core;
import org.opencv.core.mat;
import org.opencv.core.matofrect;
import org.opencv.core.point;
import org.opencv.core.rect;
import org.opencv.core.scalar;
import org.opencv.imgcodecs.imgcodecs;
import org.opencv.imgproc.imgproc;
import org.opencv.objdetect.cascadeclassifier;
public class facedetect
{
public static void main(string[] args)
{
// todo auto-generated method stub
system.loadlibrary(core.native_library_name);
system.out.println("\nrunning facedetector");
cascadeclassifier facedetector = new cascadeclassifier();
facedetector.load(
"c:\\program files\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml");
mat image = imgcodecs.imread("f:\\1114.jpg");
matofrect facedetections = new matofrect();
facedetector.detectmultiscale(image, facedetections);
system.out.println(string.format("detected %s faces", facedetections.toarray().length));
for (rect rect : facedetections.toarray())
{
imgproc.rectangle(image, new point(rect.x, rect.y),
new point(rect.x + rect.width, rect.y + rect.height), new scalar(0, 255, 0));
}
string filename = "f:\\ouput.jpg";
imgcodecs.imwrite(filename, image);
}
}
|
源图像与结果图：
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：http://blog.csdn.net/m1109048058/article/details/78192269