最近的研究要用到定位瞳孔的位置,所以上网搜了下相关的代码。总结如下:
1) 定位瞳孔可以直接使用opencv中的自带的分类器(haarcascade_eye_tree_eyeglasses.xml)来实现,以前听师兄说用opencv自带的这个方法定位瞳孔不准,但我自己做了实验后发现在正面人脸的情况下定位还是很准确的,后面有图。分析了下原因,师兄是他之前实验时感觉不准有可能是他的Opencv版本还不是很高,我这里用的是opencv2.4.4,相信opencv也在它的后续版本中不断的优化它的Machine learning中相关库以提高准确率。
当然,在复杂情况下的人眼精准定位本身就是一个热门的研究课题。所以如果是复杂情况下的精准定位,opencv可能就没那么给力了。
2)用opencv中检测人脸、眼睛、嘴巴等都是用的CascadeClassifier分类器,具体使用时可以使用C的函数,也可以使用opencv中使用C++封装好的类。下面是它们检测目标时的函数形式(从opencv官网复制的)
C: 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), CvSize max_size=cvSize(0,0) )
C++: void CascadeClassifier::detectMultiScale(const Mat& image, vector<Rect>& objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())
这两者最大的区别在于,用C封装的函数要自己手动分配内存,而用C++的形式则不用自己去分配内存,这就是很多同学在网上找到的代码有些要分配内存,有些又不用分配内存的原因。显然C++的形式更简洁,所以我下面的代码也是用的C++的函数。
直接上代码,注意下面的haarcascade_eye_tree_eyeglasses.xml文件在opencv安装目录下的data文件夹中。
完整的代码在http://download.csdn.net/detail/computerme/7680383
- <span style="font-size:14px;">#include "highgui.h"
- #include "cv.h"
- #include <iostream>
- #include <stdio.h>
- using namespace std;
- using namespace cv;
- void DetectAndDraw(IplImage* img, CascadeClassifier& cascade);
- //String cascadeName = "haarcascade_frontalface_alt.xml";
- String cascadeName = "haarcascade_eye_tree_eyeglasses.xml";//nestedCascadeName
- int main( )
- {
- CascadeClassifier cascade;
- cascade.load( cascadeName );
- cvNamedWindow( "result", 1 );
- IplImage* iplImg = cvLoadImage("1.jpg");
- DetectAndDraw( iplImg, cascade );
- cvWaitKey(0);
- cvDestroyWindow("result");
- return 0;
- }
- void DetectAndDraw(IplImage* img, CascadeClassifier& cascade)
- {
- int i = 0;
- double t = 0;
- vector<Rect> faces;
- 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)} ;
- IplImage* gray = cvCreateImage(cvGetSize(img),8,1);
- cvCvtColor( img, gray, CV_BGR2GRAY );
- cvEqualizeHist( gray, gray );
- t = (double)cvGetTickCount();
- cascade.detectMultiScale( gray , faces,
- 1.1, 2, 0
- //|CV_HAAR_FIND_BIGGEST_OBJECT
- //|CV_HAAR_DO_ROUGH_SEARCH
- |CV_HAAR_SCALE_IMAGE
- ,
- Size(30, 30) );
- t = (double)cvGetTickCount() - t;
- printf( "detection time = %g ms\n", t/((double)cvGetTickFrequency()*1000.) );
- for( vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++, i++ )
- {
- Point center;
- Scalar color = colors[i%8];
- int radius;
- //center可以作为瞳孔的坐标
- center.x = cvRound(r->x + r->width*0.5);
- center.y = cvRound(r->y + r->height*0.5);
- //radius = (int)(cvRound(r->width + r->height)*0.25);
- radius =2;
- cvCircle( img, center, radius, color, 3, 8, 0 );
- cvShowImage( "result", img );
- }
- cvShowImage( "result", img );
- }</span>
运行结果:
网址:http://blog.csdn.net/computerme/article/details/38142125