opencv实现图片与视频中人脸检测功能

本文实例为大家分享了opencv实现人脸检测功能的具体代码，供大家参考，具体内容如下

第一章：反思与总结

上一篇博客我相信自己将人脸检测中的AdaBoost算法解释的非常清晰了，以及如何训练人脸检测的强分类器：人脸检测中AdaBoost算法详解。事后，自我感觉对这个人脸检测还是不够具体，所以自己抽了一下午的时间用opencv实现图片与视频中的人脸检测，下面是我用vs2013加opencv4.9来实现的。做一下声明，我的代码是参考OpenCV实现人脸检测的一个博客写的，非常感谢这位博主，我学到了很多东西，下面是我一下午实践的总结：

第二章：图片中的人脸检测

啥也不说，先上效果图大笑：

下面是福利图了，图中有志玲姐姐（安静）：

可惜没匹配上，很伤心~~~~

有人可能会问这么漂亮的背景图是这么高的，下面是代码~

void CmyFaceDetectDlg::OnPaint()
{
 if (IsIconic())
 {
  CPaintDC dc(this); // 用于绘制的设备上下文 

  SendMessage(WM_ICONERASEBKGND, reinterpret_cast<WPARAM>(dc.GetSafeHdc()), 0); 

  // 使图标在工作区矩形中居中
  int cxIcon = GetSystemMetrics(SM_CXICON);
  int cyIcon = GetSystemMetrics(SM_CYICON);
  CRect rect;
  GetClientRect(&rect);
  int x = (rect.Width() - cxIcon + 1) / 2;
  int y = (rect.Height() - cyIcon + 1) / 2; 

  // 绘制图标
  dc.DrawIcon(x, y, m_hIcon);
 }
 else
 {
  /*改变对话框背景****若需要默认背景，可以删除*/
  CPaintDC dc(this);
  CRect rect;
  GetClientRect(&rect);
  CDC dcBmp;
  dcBmp.CreateCompatibleDC(&dc);
  CBitmap bmpBackGround;
  bmpBackGround.LoadBitmap(<span style="color:#FF6666;">IDB_BEIJING</span>);//IDB_BEIJING是背景的图片ID，在资源视图中插入资源，选择BITMAP

BITMAP m_bitmap;  //上传图片（BMP）格式，将ID设为一致就好了
bmpBackGround.GetBitmap(&m_bitmap);
CBitmap *pbmpOld = dcBmp.SelectObject(&bmpBackGround);
dc.StretchBlt(0, 0, rect.Width(), rect.Height(), &dcBmp, 0, 0, m_bitmap.bmWidth, m_bitmap.bmHeight, SRCCOPY);
CDialogEx::OnPaint();
}}

好了，下面进入正题，如何实现图片中的人脸匹配，见代码，后面有详细解释：

void CmyFaceDetectDlg::OnBnClickedFacedetect()
{
 // TODO: 在此添加控件通知处理程序代码
 CString filename;
 //打开对话框
 CFileDialog OpenDlg(TRUE, NULL, NULL, OFN_HIDEREADONLY | OFN_OVERWRITEPROMPT | OFN_NOCHANGEDIR,
  _T("图片 (*.jpg)|*.jpg|(*.*) |*.*|"), NULL);
 if (OpenDlg.DoModal() != IDOK)
 {
  return;
 }
 filename = OpenDlg.GetPathName();//获得文件路径
 /*CString转换*string*/
 USES_CONVERSION;//USES_CONVERSION是用来转换类型的
 //USES_CONVERSION它是在堆栈上分配空间的，也就是说你在你在函数未结束就不会被释放掉。所有要注意不要在一个函数中用while循环执行它，不然栈空间就马上会分配完（栈空间一般只有2M，很小）
 std::string tempName(W2A(filename));//转换过程
 image = imread(tempName);//读取图片
 const String cascade_name = "./haarcascade_frontalface_alt2.xml";//加载人脸库
 if (!cascade.load(cascade_name))
 {
  MessageBox(_T("ERROR:Could not load cascade!"));
  return;
 }
 if (!image.data)
 {
  MessageBox(_T("ERROR:Could not load image!"));
  return;
 }
 namedWindow("人脸检测", CV_WINDOW_AUTOSIZE);
 detectAndDraw(image, cascade, scale);//调用人脸检测函数
 imshow("人脸检测", image);
 return;
} 

void CmyFaceDetectDlg::detectAndDraw(Mat& img, CascadeClassifier& cascade, double scale)
{
 /*程序核心函数，检测标记人脸*/
 int i = 0;
 vector<Rect>faces;//定义一个容器，保存检测结果
 const static Scalar colors[] = {
  CV_RGB(0, 0, 255),
  CV_RGB(0, 128, 255),
  CV_RGB(0, 255, 255),
  CV_RGB(0, 255, 0),
  CV_RGB(255, 128, 0),
  CV_RGB(255, 255, 0),
  CV_RGB(255, 0, 0),
  CV_RGB(255, 0, 255)
 };
 Mat gray, smallImage(cvRound(img.rows / scale), cvRound(img.cols / scale), CV_8UC1);//用cvRound取整
 cvtColor(img, gray, CV_BGR2GRAY);//转化灰度图
 resize(gray, smallImage, smallImage.size(), 0, 0, INTER_LINEAR);//图片尺度调整,将gray调整为smallImage.size大小，方法为INTER_LINEAR：局部像素的重采样
 equalizeHist(smallImage, smallImage);//直方图均衡
 cascade.detectMultiScale(smallImage, faces);//核心，检测人脸
 //const_iterator迭代器,是不能改变r所指向的元素的值的
 for (vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++, i++)
 {
  //利用迭代器，标记出人脸位置。
  Point center;
  Scalar color = colors[i % 8];
  int radius;
  /*计算出原图像中的圆心和半径。公式很简单，自己写一下，就可以理解了*/
  center.x = cvRound((r->x + r->width*0.5)*scale);
  center.y = cvRound((r->y + r->height*0.5)*scale);
  radius = cvRound((r->width + r->height)*0.25*scale);
  circle(img, center, radius, color, 2);
 }
} 

注意我是在一个MFC的对话框中，这个界面图中按下“图片”button后的操作。

第三章：视频中的人脸检测

其实，和图片中的原理是一样的。因为视频又一帧一帧的图片组成，我们设定一个短的时间间隔，就可以更图片一样了。
先看效果吧：（说明，该视频是一个女子在跳芭蕾舞，我截去3张图片来达到以点概面的效果）

下面见代码：

void CmyFaceDetectDlg::OnBnClickedFacev()
{
 // TODO: 在此添加控件通知处理程序代码
 //检测视频帧中的人脸
 CString filename;
 CFileDialog OpenDlg(TRUE, NULL, NULL, OFN_HIDEREADONLY | OFN_OVERWRITEPROMPT | OFN_NOCHANGEDIR,
  _T("视频(*.avi)|*.avi|(*.*)|*.*|"), NULL);
 if (OpenDlg.DoModal() != IDOK)
 {
  return;
 }
 /*CString转换*string*/
 filename = OpenDlg.GetPathName();
 USES_CONVERSION;
 std::string tempName(W2A(filename));
 const String cascade_name = "./haarcascade_frontalface_alt2.xml";
 if (!cascade.load(cascade_name))
 {
  MessageBox(_T("ERROR:Could not load cascade!"));
  return;
 }
 VideoCapture capture(tempName);//打开视频
 if (!capture.isOpened())
 {
  MessageBox(_T("ERROR:Could not load Video!"));
  return;
 }
 double rate = capture.get(CV_CAP_PROP_FPS);
 bool stop(false);
 int delay = 1000 / rate;
 while (!stop)
 {
  if (!capture.read(image))//读取视频帧
   break;
  detectAndDraw(image, cascade, scale);
  imshow("人脸检测", image);
  if (waitKey(delay) >= 0)
   stop = true;
 }
 capture.release();
 return;
}

第四章：总结

人脸匹配最总要的是如何生成匹配库，也是检测的方法的差别。库的生成和机器学习密切相关，学习永无止境，努力吧！

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

您可能感兴趣的文章:

• OpenCV实现人脸检测
• 基于openCV实现人脸检测
• C++利用opencv实现人脸检测