OpenCV学习代码记录——人脸检测

OpenCV人脸检测实战

最新推荐文章于 2025-09-11 23:49:31 发布

转载最新推荐文章于 2025-09-11 23:49:31 发布 · 116 阅读

文章标签：

#人工智能 #php #c/c++

本文介绍了一个使用OpenCV进行人脸检测的实际案例。通过加载预训练的级联分类器，实现从图片或视频中检测人脸的功能，并展示了完整的C++代码实现过程。

很久之前学习过一段时间的OpenCV，当时没有做什么笔记，但是代码都还在，这里把它贴出来做个记录。
代码放在码云上，地址在这里https://gitee.com/solym/OpenCVTest/tree/master/OpenCVTest

效果

代码

我是直接使用OpenCV自带的分类器。如果有数据，可以自己训练得到。

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/objdetect.hpp>
#include <opencv2/imgproc.hpp>

#include <cstdio>
// g++ face.cpp -o face -std=c++11 -lopencv_core -lopencv_highgui -lopencv_imgproc -lopencv_objdetect

// 文件在opencv的安装目录下有
static const char* cascade_name = "D:\\OpenCV\\share\\OpenCV\\haarcascades\\"
                           "haarcascade_frontalface_alt2.xml";


// http://wiki.opencv.org.cn/index.php/%E4%BA%BA%E8%84%B8%E6%A3%80%E6%B5%8B


void frameFaceDetection(cv::Mat& src, cv::CascadeClassifier& cascade,
    const char* showWindowName);

int FaceDetection(int c,char**v)
{
    //cv::Mat   src,gray;   // 源图像，灰度图像
    
    cv::VideoCapture    capture;    // 视频捕获对象
    cv::Mat             frame;      // 视频帧
    cv::CascadeClassifier   cascade;    //级联分类器
    
    /**
    // 加载源图像
    const char* picpath = "../Image/sisy.jpg";
    if (c > 1) { picpath = v[1]; }
    src = cv::imread(picpath);

    if (src.empty()) {
        puts("图片加载失败!!!");
        return -1;
    }
    */

    // 打开视频文件
    if (!capture.open("../Image/video.mov")) {
        puts("打开视频文件失败!!!");
        return -1;
    }

    // 加载人脸识别级联分类器文件
    if (!cascade.load(cascade_name)){
        puts("人脸识别级联分类器文件加载失败!!!");
        return 0;
    }

    // 创建显示窗口
    cv::namedWindow("src");

    cv::Mat src_scale;
    src_scale.create(cv::Size(480, 320), CV_8SC3);
    // 循环取帧并显示
    while (capture.read(frame)) {
        // 进行缩放
        cv::resize(frame, src_scale, src_scale.size());
        // 检测并显示
        frameFaceDetection(src_scale, cascade, "src");
        // 等待按键事件
        // 此处等待也为显示图像函数提供足够的时间完成显示
        // 等待事件可以按照CPU速度进行调节
        if (cv::waitKey(1) >= 0) {
            break;  // 按键就退出
        }
    }
    //cv::waitKey();
    cv::destroyAllWindows();
    return 0;
}


void frameFaceDetection(cv::Mat& src,
    cv::CascadeClassifier& cascade,
    const char* showWindowName)
{
    std::vector<cv::Rect>   faces;
    cv::Mat gray;

    // 获取源图像的灰度图像
    gray.create(src.size(), CV_8UC1);
    cv::cvtColor(src, gray, CV_BGR2GRAY);
    // 使灰度图象直方图均衡化
    cv::equalizeHist(gray, gray);

    // 获取初步检测结果
    cascade.detectMultiScale(
        gray/*源图像*/,
        faces/*检测出的物体边缘(得到被检测物体的矩形框向量组)*/,
        1.1/*每一个图像尺度中的尺度参数，默认值为1.1*/,
        2/*每一个级联矩形应该保留的邻近个数*/,
        CV_HAAR_SCALE_IMAGE,
        cv::Size(30, 30)/*最小可能的对象的大小，小于的对象将被忽略*/);

    // 将检测得到的结果，绘制到原图像上
    for (auto face : faces) {
        // 绘制红色矩形
        cv::rectangle(src, face, cv::Scalar(0, 0, 255), 3);
    }
    // 显示图像
    cv::imshow(showWindowName, src);
}