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EISCI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。

    OpenCV中,人脸检测也是其热门应用之一。在OpenCV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.xmlhaarcascade_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 CvArrimage,

  CvHaarClassifierCascadecascade,

  CvMemStoragestorage,

  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)。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  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》。


  1. <pre class="cpp" name="code">// 编译前请配置好VS2008的编译环境  

  2. // 详见《【OpenCV入门指南】第一篇 安装OpenCV》  

  3. // 地址: http://blog.csdn.net/morewindows/article/details/8225783  

  4.   

  5. // 本文配套博客文章地址:  

  6. // http://blog.csdn.net/morewindows/article/details/8426318  

  7.   

  8. // Haar特征检测 - 人脸识别  

  9. //By MoreWindows (http://blog.csdn.net/MoreWindows)  

  10. #include <opencv2/opencv.hpp>  

  11. #include <cstdio>  

  12. #include <cstdlib>  

  13. #include <Windows.h>  

  14. using namespace std;  

  15. int main()  

  16. {  

  17.     // 加载Haar特征检测分类器  

  18.     // haarcascade_frontalface_alt.xml系OpenCV自带的分类器 下面是我机器上的文件路径  

  19.     const char *pstrCascadeFileName = "G:\\OpenCV\\opencv\\data\\haarcascades\\haarcascade_frontalface_alt.xml";  

  20.     CvHaarClassifierCascade *pHaarCascade = NULL;  

  21.     pHaarCascade = (CvHaarClassifierCascade*)cvLoad(pstrCascadeFileName);  

  22.   

  23.     // 载入图像  

  24.     const char *pstrImageName = "101.jpg";  

  25.     IplImage *pSrcImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_UNCHANGED);  

  26.       

  27.     IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);  

  28.     cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);  

  29.   

  30.     // 人脸识别与标记  

  31.     if (pHaarCascade != NULL)  

  32.     {         

  33.         CvScalar FaceCirclecolors[] =   

  34.         {  

  35.             {{0, 0, 255}},  

  36.             {{0, 128, 255}},  

  37.             {{0, 255, 255}},  

  38.             {{0, 255, 0}},  

  39.             {{255, 128, 0}},  

  40.             {{255, 255, 0}},  

  41.             {{255, 0, 0}},  

  42.             {{255, 0, 255}}  

  43.         };  

  44.   

  45.         CvMemStorage *pcvMStorage = cvCreateMemStorage(0);  

  46.         cvClearMemStorage(pcvMStorage);  

  47.         // 识别  

  48.         DWORD dwTimeBegin, dwTimeEnd;  

  49.         dwTimeBegin = GetTickCount();  

  50.         CvSeq *pcvSeqFaces = cvHaarDetectObjects(pGrayImage, pHaarCascade, pcvMStorage);  

  51.         dwTimeEnd = GetTickCount();  

  52.   

  53.         printf("人脸个数: %d   识别用时: %d ms\n", pcvSeqFaces->total, dwTimeEnd - dwTimeBegin);  

  54.           

  55.         // 标记  

  56.         for(int i = 0; i <pcvSeqFaces->total; i++)  

  57.         {  

  58.             CvRect* r = (CvRect*)cvGetSeqElem(pcvSeqFaces, i);  

  59.             CvPoint center;  

  60.             int radius;  

  61.             center.x = cvRound((r->x + r->width * 0.5));  

  62.             center.y = cvRound((r->y + r->height * 0.5));  

  63.             radius = cvRound((r->width + r->height) * 0.25);  

  64.             cvCircle(pSrcImage, center, radius, FaceCirclecolors[i % 8], 2);  

  65.         }  

  66.         cvReleaseMemStorage(&pcvMStorage);  

  67.     }  

  68.       

  69.     const char *pstrWindowsTitle = "人脸识别 (http://blog.csdn.net/MoreWindows)";  

  70.     cvNamedWindow(pstrWindowsTitle, CV_WINDOW_AUTOSIZE);  

  71.     cvShowImage(pstrWindowsTitle, pSrcImage);  

  72.   

  73.     cvWaitKey(0);  

  74.   

  75.     cvDestroyWindow(pstrWindowsTitle);  

  76.     cvReleaseImage(&pSrcImage);   

  77.     cvReleaseImage(&pGrayImage);  

  78.     return 0;  

  79. }</pre><br>  

五.人脸识别程序运行结果

运行结果一(单人正面):

这张图的干扰太少,换张干扰大点的图来试试。

 

运行结果二(单人侧面):

呵呵,左边那个人眼睛被挡住了,因此普通的人脸检测肯定难以识别的。

 

运行结果三(多人):

效果还不错。当然商业级产品的准确度,性能,效率肯定会比OpenCV自带的分类器高的多。