OpenCV人脸检测 C++

本文分享了一个基于OpenCV4.3.0在树莓派4B上实现的人脸检测C++例程,该代码在Windows系统下同样适用。通过调用CascadeClassifier类进行人脸检测,并在检测到的人脸周围绘制矩形框。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

学习记录

虽然网络上基于OpenCV实现的人脸检测有很多,但是大部分都是基于Python实现的,很少有完整的C++例程,所以我将自己的代码整理出来,供参考。

环境

  1. OpenCV 4.3.0
  2. 树莓派4B(在Windows系统下也可以)

功能

实现人脸检测,并在人脸处画框

代码

 /******************************************************* 
  > File Name: main.cpp
  > Author: admin
  > Mail: ffffffan@foxmail.com
  > Created Time: Fri 24 Apr 2020 09:46:00 CST
  > Modified Time:2020年06月28日 星期日 16时42分49秒
  > Note: No
 *******************************************************/

#include <iostream>
#include <fstream>
#include <sstream>
#include <string>
#include <unistd.h>
#include <time.h>

using namespace std;

// OpenCV includes
#include "opencv2/core.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/ml.hpp"
#include "opencv2/objdetect/objdetect.hpp"
#include "opencv2/face.hpp"

using namespace cv;
using namespace cv::ml;

CascadeClassifier faceCascade;

Mat preprocessImage(Mat input);
Mat extractFace(Mat input, vector<Rect> *faces);
bool detection(void);


//输出灰度图像,直方图均衡,长宽缩小0.5倍
Mat preprocessImage(Mat input)
{
	//cout<<"-->>function preprocessImage"<<endl;
    Mat result;
    
    resize(input, input, Size(), 0.5, 0.5, INTER_AREA);
    
    cvtColor(input, result, COLOR_BGR2GRAY);
    // Equalize the histogram
    equalizeHist(result, result);

    return result;
}

//仅支持单脸
//未检测到脸时返回纯黑
//返回灰度脸图,缩小了1.1倍
Mat extractFace(Mat input, vector<Rect> *faces)
{
    Mat result;
    
    
    result = preprocessImage(input);
    
    Mat zero= Mat::zeros(result.rows, result.cols, CV_8UC1);
    
    faceCascade.detectMultiScale(result, *faces, 	\
								1.1, 2, 0|CV_HAL_CMP_GE, Size(100, 100), Size(200, 200) );
     
    if((*faces).size() == 0)
        return zero;
    
    Mat grayc = result.clone();
    grayc = grayc((*faces)[0]);//
    
    return grayc;
}

//检测人脸
Mat detection(Mat img)
{   
    vector<Rect> faces;

    Mat grayt = extractFace(img, &faces);

    Scalar he= sum(grayt);
    if(he[0] == 0)
	{
		resize(img, img, Size(), 0.5, 0.5, INTER_AREA);
        return img;
    }
	
	resize(img, img, Size(), 0.5, 0.5, INTER_AREA);
    rectangle(img, faces[0], Scalar(255, 255, 255), 2);
	
    
	
    return img;
}

int main(int argc, char* argv[])
{
	Mat camera;
	
	string faceCascadeName = "../haar/haarcascade_frontalface_alt.xml";
    if( !faceCascade.load(faceCascadeName) )
    {
        cerr << "Error loading cascade file. Exiting!" << endl;
        return -1;
    }
	
	VideoCapture cap(0);
        
    if( !cap.isOpened() )
    {   
        cout<< "No video!"<<endl;
        return -1;
    }

	while(true)
	{
		cap >> camera;
		camera = detection(camera);
		imshow("camera", camera);
		if(waitKey(10) == 27)
		{
			break;
		}
	}
	
	cap.release();
	destroyAllWindows();
    return 0;
}


注意事项

文中代码string faceCascadeName = "../haar/haarcascade_frontalface_alt.xml";的意思是级联分类器的路径,实际使用中根据个人选择。

### OpenCV C++ 人脸检测示例代码 以下是一个基于OpenCVC++人脸检测示例代码,使用了Haar特征级联分类器来实现人脸检测功能。该代码加载了一张测试图像,并通过预训练的Haar级联分类器检测图像中的人脸。 ```cpp #include <opencv2/opencv.hpp> #include <iostream> int main() { // 加载测试图像 std::string imagePath = "https://github.com/murtazahassan/Learn-OpenCV-cpp-in-4-Hours/blob/main/Resources/test.png?raw=true"; cv::Mat image = cv::imread(imagePath); if (image.empty()) { std::cerr << "无法加载图像" << std::endl; return -1; } // 转换为灰度图像 cv::Mat grayImage; cv::cvtColor(image, grayImage, cv::COLOR_BGR2GRAY); // 加载预训练的Haar级联分类器 std::string cascadePath = "haarcascade_frontalface_default.xml"; // 确保路径正确 cv::CascadeClassifier faceCascade; if (!faceCascade.load(cascadePath)) { std::cerr << "无法加载Haar级联分类器" << std::endl; return -1; } // 检测人脸 std::vector<cv::Rect> faces; faceCascade.detectMultiScale(grayImage, faces, 1.1, 4, 0, cv::Size(30, 30)); // 在检测到的人脸周围绘制矩形框 for (const auto& face : faces) { cv::rectangle(image, face, cv::Scalar(255, 0, 0), 2); } // 显示结果 cv::imshow("人脸检测结果", image); cv::waitKey(0); return 0; } ``` 此代码首先加载一张测试图像并将其转换为灰度图像[^1]。接着,它加载了一个预训练的Haar级联分类器用于人脸检测,并调用`detectMultiScale`方法进行人脸定位[^2]。最后,在检测到的人脸周围绘制矩形框并显示结果图像。 ### 注意事项 - 需要确保`haarcascade_frontalface_default.xml`文件的路径正确。该文件通常可以在OpenCV安装目录下的`data/haarcascades`文件夹中找到。 - 如果需要实时人脸检测,可以将静态图像替换为摄像头捕获的视频流[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值