【OpenCV入门指南】第十三篇人脸检测

原创最新推荐文章于 2025-09-03 15:41:16 发布 10w+ 阅读 AI写同款

收录于

Windows C/C++/C# 编程

Windows编程

OpenCV入门指南

MoreWindows

码龄15年墨衍会员 · AI 创作全网分发

2万+粉丝157篇原创

关注

使用OpenCV，Haar级联检测器进行面部、眼睛、嘴部检测这篇博客将介绍如何使用预训练好的OpenCV Haar级联人脸、眼睛、嘴部检测器，并将它们应用于实时视频流。人脸检测结果是最稳定和准确的。不幸的是，在许多情况下，眼睛检测和嘴巴检测结果是不可用的——对于面部特征/部分提取，强烈建议[使用python，dlib，OpenCV提取眼睛，鼻子，嘴唇及下颌](https://blog.youkuaiyun.com/qq_40985985/article/details/106136330)，dlib的检测要比眼睛Haar级联，嘴巴Haar级联本身更稳定，甚至更快。阅读详情

AI摘要

本文详细介绍如何使用OpenCV进行人脸检测，并提供了从加载Haar特征分类器到图像处理及人脸标记的完整示例代码。此外，还展示了不同场景下的人脸识别效果。

【OpenCV入门指南】第十三篇人脸检测

本篇介绍图像处理与模式识别中最热门的一个领域——人脸检测（人脸识别）。人脸检测可以说是学术界的宠儿，在不少EI，SCI高级别论文都能看到它的身影。甚至很多高校学生的毕业设计都会涉及到人脸检测。当然人脸检测的巨大实用价值也让很多公司纷纷关注，很多公司都拥有这方面的专利或是开发商业产品出售。

在OpenCV中，人脸检测也是其热门应用之一。在OpenCV的特征检测专题就详细介绍了人脸检测的原理——通过Haar特征来识别是否为人脸。Haar特征检测原理与Haar特征分类器的训练放到下一篇《【OpenCV入门指南】第十四篇 Haartraining》来讲，本篇主要介绍如何在OpenCV中使用Haar特征分类器来对图像中的人脸进行检测和识别。下面将分成五步来详细示范如何在OpenCV中进行人脸识别：

一．人脸的Haar特征分类器是什么

二．在哪找人脸的Haar特征分类器

三．怎么用人脸的Haar特征分类器

四．人脸识别示例代码

五．人脸识别程序运行结果

一．人脸的Haar特征分类器是什么

人脸的Haar特征分类器就是一个XML文件，该文件中会描述人脸的Haar特征值。当然Haar特征的用途可不止可以用来描述人脸这一种，用来描述眼睛，嘴唇或是其它物体也是可以的。

二．在哪找人脸的Haar特征分类器

OpenCV有已经自带了人脸的Haar特征分类器。OpenCV安装目录中的\data\ haarcascades目录下的haarcascade_frontalface_alt.xml与haarcascade_frontalface_alt2.xml都是用来检测人脸的Haar分类器。这个haarcascades目录下还有人的全身，眼睛，嘴唇的Haar分类器。读者可以仿照本方的例子来试验下效果看看。

三．怎么用人脸的Haar特征分类器

使用人脸的Haar特征分类器非常之简单，直接使用cvHaarDetectObjects。下面来看看这个函数的介绍：

函数功能：检测图像中的目录

函数原型：

CVAPI(CvSeq*) cvHaarDetectObjects(

const CvArr* image,

CvHaarClassifierCascade* cascade,

CvMemStorage* storage,

double scale_factor CV_DEFAULT(1.1),

int min_neighbors CV_DEFAULT(3),

int flags CV_DEFAULT(0),

CvSize min_size CV_DEFAULT(cvSize(0,0)),

CvSize max_size CV_DEFAULT(cvSize(0,0))

);

函数说明：

第一个参数表示输入图像，尽量使用灰度图以加快检测速度。

第二个参数表示Haar特征分类器，可以用cvLoad()函数来从磁盘中加载xml文件作为Haar特征分类器。

第三个参数为CvMemStorage类型，大家应该很熟悉这个CvMemStorage类型了，《OpenCV入门指南》中很多文章都介绍过了。

第四个参数表示在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%

第五个参数表示构成检测目标的相邻矩形的最小个数(默认为3个)。如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，这种设定值一般用在用户自定义对检测结果的组合程序上。

第六个参数要么使用默认值，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。

第七个，第八个参数表示检测窗口的最小值和最大值，一般设置为默认即可。

函数返回值：

函数将返回CvSeq对象，该对象包含一系列CvRect表示检测到的人脸矩形。

四．人脸识别示例代码

下面给出一个完整的示例代码，代码中的GetTickCount可以参阅《Windows 各种计时函数总结》，cvEqualizeHist可以参阅《【OpenCV入门指南】第八篇灰度直方图》。

// 编译前请配置好VS2008的编译环境
// 详见《【OpenCV入门指南】第一篇 安装OpenCV》
// 地址： http://blog.youkuaiyun.com/morewindows/article/details/8225783

// 本文配套博客文章地址：
// http://blog.youkuaiyun.com/morewindows/article/details/8426318

// Haar特征检测 - 人脸识别
//By MoreWindows (http://blog.youkuaiyun.com/MoreWindows)
#include <opencv2/opencv.hpp>
#include <cstdio>
#include <cstdlib>
#include <Windows.h>
using namespace std;
int main()
{
	// 加载Haar特征检测分类器
	// haarcascade_frontalface_alt.xml系OpenCV自带的分类器 下面是我机器上的文件路径
	const char *pstrCascadeFileName = "G:\\OpenCV\\opencv\\data\\haarcascades\\haarcascade_frontalface_alt.xml";
	CvHaarClassifierCascade *pHaarCascade = NULL;
	pHaarCascade = (CvHaarClassifierCascade*)cvLoad(pstrCascadeFileName);

	// 载入图像
	const char *pstrImageName = "101.jpg";
	IplImage *pSrcImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_UNCHANGED);
	
	IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
	cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);

	// 人脸识别与标记
	if (pHaarCascade != NULL)
	{		
		CvScalar FaceCirclecolors[] = 
		{
			{{0, 0, 255}},
			{{0, 128, 255}},
			{{0, 255, 255}},
			{{0, 255, 0}},
			{{255, 128, 0}},
			{{255, 255, 0}},
			{{255, 0, 0}},
			{{255, 0, 255}}
		};

		CvMemStorage *pcvMStorage = cvCreateMemStorage(0);
		cvClearMemStorage(pcvMStorage);
		// 识别
		DWORD dwTimeBegin, dwTimeEnd;
		dwTimeBegin = GetTickCount();
		CvSeq *pcvSeqFaces = cvHaarDetectObjects(pGrayImage, pHaarCascade, pcvMStorage);
		dwTimeEnd = GetTickCount();

		printf("人脸个数: %d   识别用时: %d ms\n", pcvSeqFaces->total, dwTimeEnd - dwTimeBegin);
		
		// 标记
		for(int i = 0; i <pcvSeqFaces->total; i++)
		{
			CvRect* r = (CvRect*)cvGetSeqElem(pcvSeqFaces, i);
			CvPoint center;
			int radius;
			center.x = cvRound((r->x + r->width * 0.5));
			center.y = cvRound((r->y + r->height * 0.5));
			radius = cvRound((r->width + r->height) * 0.25);
			cvCircle(pSrcImage, center, radius, FaceCirclecolors[i % 8], 2);
		}
		cvReleaseMemStorage(&pcvMStorage);
	}
	
	const char *pstrWindowsTitle = "人脸识别 (http://blog.youkuaiyun.com/MoreWindows)";
	cvNamedWindow(pstrWindowsTitle, CV_WINDOW_AUTOSIZE);
	cvShowImage(pstrWindowsTitle, pSrcImage);

	cvWaitKey(0);

	cvDestroyWindow(pstrWindowsTitle);
	cvReleaseImage(&pSrcImage);	
	cvReleaseImage(&pGrayImage);
	return 0;
}