Ubuntu14.04+QT3.0.1+opencv3.0.0alpha的人脸检测

最新推荐文章于 2021-01-21 15:21:11 发布

RrEeSsEeTt

最新推荐文章于 2021-01-21 15:21:11 发布

阅读量735

点赞数 2

CC 4.0 BY-SA版权

分类专栏：环境安装和报错等文章标签： ubuntu qt opencv

本文链接：https://blog.youkuaiyun.com/weixin_39762423/article/details/78587238

环境安装和报错等专栏收录该内容

14 篇文章

订阅专栏

本文介绍使用Opencv 3.0.0-alpha版本进行人脸检测的方法，重点讲解了haar特征及不同的人脸检测器，并提供了基于Ubuntu14.04和QT3.0.1环境下的人脸检测程序实例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#Ubuntu14.04+QT3.0.1+opencv3.0.0alpha的人脸检测 ##

一、首先介绍一下人脸检测：

在opencv中，人脸检测通常用两种方法，即haar特征或LBP特征，与Haar特征相比，LBP特征是整数特征，因此训练和检测过程都会比Haar特征快几倍。LBP和Haar特征用于检测的准确率，是依赖于训练过程中的训练数据的质量和训练参数。

Haar分类器实际上是Boosting算法的一个应用，Haar分类器用到了Boosting算法中的AdaBoost算法，这种算法需要提前训练大量的图片，opencv已经训练好了并将训练结果放在一些xml文件里面。在opencv-3.0.0-alpha版本中，训练好的结果放在/data/文件夹下。在这个文件夹下面可以看到有三个文件夹，分别是haarcascades、hogcascades、lbpcascades。

这里写图片描述

上图中文件夹的名字“haarcascades”、“hogcascades”和“lbpcascades”分别表示通过“haar”、“hog”和“lbp”三种不同的特征训练出的分类器（xml文件）。"haar"特征主要用于人脸检测，“hog”特征主要用于行人检测，“lbp”特征主要用于人脸识别。

打开“haarcascades”文件夹，如下图所示

这里写图片描述

其中，haarcascade_frontalface开头的文件有四个，这四个都是正面人脸检测器，它们之间的区别如下：（百度翻译）
1：haarcascade_frontalface_alt.xml

Stump-based 20x20 gentle adaboost frontal face detector.
基于20x20 Gentle AdaBoost正面人脸检测器的树桩

2：haarcascade_frontalface_alt2.xml

Tree-based 20x20 gentle adaboost frontal face detector.
基于20x20 Gentle AdaBoost正面人脸检测树

3：haarcascade_frontalface_alt_tree.xml

Stump-based 20x20 gentle adaboost frontal face detector.This detector uses tree     of stage classifiers instead of a cascade
基于20x20 Gentle AdaBoost的正面人脸检测器，检测器采用树桩。这阶段分类树来代替一个级联

4：haarcascade_frontalface_default.xml

Stump-based 24x24 discrete(?) adaboost frontal face detector.
基于离散树桩24x24（？）正面人脸检测器

其中，第一个的实验结果最准确。

这个haarcascades目录下还有人的全身，眼睛，嘴唇的Haar分类器，如果想要检测其他的部位，可以根据分类器的名字来换。

人脸检测主要用到的是CascadeClassifier这个类，以及该类下的detectMultiScale函数。
函数原型是：

void CascadeClassifier::detectMultiScale(InputArray image, 
                                         vector<Rect>& objects, 
                                         double scaleFactor=1.1
                                         int minNeighbors=3,
                                         int flags=0，
                                         Size minSize=Size(), 
                                         Size maxSize=Size())

总共有7个参数，分别是

第一个参数image: 要检测的图片，一般为灰度图，加快检测速度

第二个参数objects: Rect型的容器，存放所有检测出的人脸，每个人脸是一个矩形

第三个参数scaleFactor: 缩放因子，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%

第四个参数minNeighbors：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。

第五个参数flags: 兼容老版本的一个参数，在3.0版本中没用处。默认为0

第六个参数minSize: 最小尺寸，检测出的人脸最小尺寸

第七个参数maxSize：最大尺寸，检测出的人脸最大尺寸
二、运行程序

Ubuntu14.04+QT3.0.1+opencv-3.0.0-alpha

（1）：首先配置Pro文件，打开终端输入

pkg-config --cflags --libs opencv

将运行结果复制粘贴到Pro文件下变成下面的样子

这里写图片描述

(2)代码：

#include<opencv2/imgproc/types_c.h>
#include<opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <iostream>
using namespace std;
using namespace cv;

int main()
{
    string xmlPath="/home/reset/下载/opencv/opencv-3.0.0-alpha/data/haarcascades/haarcascade_frontalface_default.xml";//加载训练文件
    CascadeClassifier ccf;   //创建分类器对象
    Mat img=imread("/home/reset/桌面/1.jpg");//读取图片
    if(!ccf.load(xmlPath))   //加载训练文件
    {
        cout<<"不能加载指定的xml文件"<<endl;
        return 0;
    }
    vector<Rect> faces;  //创建一个容器保存检测出来的脸

    Mat gray;

    cvtColor(img,gray,CV_BGR2GRAY); //转换成灰度图，因为harr特征从灰度图中提取

    equalizeHist(gray,gray);  //变换后的图像进行直方图均值化处理

    ccf.detectMultiScale(gray,faces,1.1,3,0,Size(0,0)); //检测人脸

    for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++)
    {
        rectangle(img,*iter,Scalar(0,0,255),2,8); //画出脸部矩形
    }
    imshow("faces",img);
    waitKey(0);
    return 1;
}