之前一直覺得人臉檢測是非常麻煩的，即使是用OpenCV麻煩到我都不敢去碰。這兩天仔細(xì)看了下，如果只是調(diào)用opencv自帶的分類器和函數(shù)的話，簡直是簡單。這不，正好最近也在學(xué)習(xí)Python索性就用C++和Python兩種語言都實(shí)現(xiàn)一下。當(dāng)然，我現(xiàn)在這個(gè)是最簡單的版本。

步驟

調(diào)用opencv訓(xùn)練好的分類器和自帶的檢測函數(shù)檢測人臉人眼等的步驟簡單直接：

1. 加載分類器，當(dāng)然分類器事先要放在工程目錄中去。分類器本來的位置是在*\opencv\sources\data\haarcascades（harr分類器，也有其他的可以用，也可以自己訓(xùn)練）
2. 調(diào)用detectMultiScale()函數(shù)檢測，調(diào)整函數(shù)的參數(shù)可以使檢測結(jié)果更加精確。
3. 把檢測到的人臉等用矩形（或者圓形等其他圖形）畫出來。

主要函數(shù)

這里面最主要的一個(gè)函數(shù)就是detectMultiScale()。文檔中的解釋如下：

1. image表示的是要檢測的輸入圖像
2. objects表示檢測到的人臉目標(biāo)序列
3. scaleFactor表示每次圖像尺寸減小的比例
4. minNeighbors表示每一個(gè)目標(biāo)至少要被檢測到3次才算是真的目標(biāo)(因?yàn)橹車南袼睾筒煌拇翱诖笮《伎梢詸z測到人臉),
5. minSize為目標(biāo)的最小尺寸
6. minSize為目標(biāo)的最大尺寸

適當(dāng)調(diào)整4,5,6兩個(gè)參數(shù)可以用來排除檢測結(jié)果中的干擾項(xiàng)。

程序：

C++程序如下：

#include<opencv2\opencv.hpp>  
#include <iostream>  
#include <stdio.h>  
  
using namespace std;  
using namespace cv;  
  
/** Function Headers */  
void detectAndDisplay(Mat frame);  
  
/** Global variables */  
String face_cascade_name = "haarcascade_frontalface_default.xml";  
String eyes_cascade_name = "haarcascade_eye_tree_eyeglasses.xml";  
CascadeClassifier face_cascade;   //定義人臉分類器  
CascadeClassifier eyes_cascade;   //定義人眼分類器  
String window_name = "Capture - Face detection";  
  
/** @function main */  
int main(void)  
{  
    Mat frame = imread("2.jpg");  
  
    //VideoCapture capture;  
    //Mat frame;  
  
    //-- 1. Load the cascades  
    if (!face_cascade.load(face_cascade_name)){ printf("--(!)Error loading face cascade\n"); return -1; };  
    if (!eyes_cascade.load(eyes_cascade_name)){ printf("--(!)Error loading eyes cascade\n"); return -1; };  
  
    //-- 2. Read the video stream  
    //capture.open(0);  
    //if (!capture.isOpened()) { printf("--(!)Error opening video capture\n"); return -1; }  
  
    //while (capture.read(frame))  
    //{  
    //  if (frame.empty())  
    //  {  
    //      printf(" --(!) No captured frame -- Break!");  
    //      break;  
    //  }  
  
        //-- 3. Apply the classifier to the frame  
        detectAndDisplay(frame);  
  
        int c = waitKey(0);  
        if ((char)c == 27) { return 0; } // escape  
    //}  
    return 0;  
}  
  
/** @function detectAndDisplay */  
void detectAndDisplay(Mat frame)  
{  
    std::vector<Rect> faces;  
    Mat frame_gray;  
  
    cvtColor(frame, frame_gray, COLOR_BGR2GRAY);  
    equalizeHist(frame_gray, frame_gray);  
  
    //-- Detect faces  
    face_cascade.detectMultiScale(frame_gray, faces, 1.1, 3, CV_HAAR_DO_ROUGH_SEARCH, Size(70, 70),Size(100,100));  
  
    for (size_t i = 0; i < faces.size(); i++)  
    {  
        //Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2);  
        //ellipse(frame, center, Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0);  
        rectangle(frame, faces[i],Scalar(255,0,0),2,8,0);  
          
        Mat faceROI = frame_gray(faces[i]);  
        std::vector<Rect> eyes;  
  
        //-- In each face, detect eyes  
        eyes_cascade.detectMultiScale(faceROI, eyes, 1.1, 1, CV_HAAR_DO_ROUGH_SEARCH, Size(3, 3));  
  
        for (size_t j = 0; j < eyes.size(); j++)  
        {  
            Rect rect(faces[i].x + eyes[j].x, faces[i].y + eyes[j].y, eyes[j].width, eyes[j].height);  
              
            //Point eye_center(faces[i].x + eyes[j].x + eyes[j].width / 2, faces[i].y + eyes[j].y + eyes[j].height / 2);  
            //int radius = cvRound((eyes[j].width + eyes[j].height)*0.25);  
            //circle(frame, eye_center, radius, Scalar(255, 0, 0), 4, 8, 0);  
            rectangle(frame, rect, Scalar(0, 255, 0), 2, 8, 0);  
        }  
    }  
    //-- Show what you got  
    namedWindow(window_name, 2);  
    imshow(window_name, frame);  
}  

Python程序如下：

import numpy as np  
import cv2  
  
  
face_cascade = cv2.CascadeClassifier("/haarcascade_frontalface_default.xml")  
eye_cascade = cv2.CascadeClassifier("/haarcascade_eye_tree_eyeglasses.xml")  
  
img = cv2.imread("/2.jpg")  
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
                      
faces = face_cascade.detectMultiScale(gray,1.1,5,cv2.CASCADE_SCALE_IMAGE,(50,50),(100,100))  
  
if len(faces)>0:  
    for faceRect in faces:  
        x,y,w,h = faceRect  
        cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2,8,0)  
  
        roi_gray = gray[y:y+h,x:x+w]  
        roi_color = img[y:y+h,x:x+w]  
  
        eyes = eye_cascade.detectMultiScale(roi_gray,1.1,1,cv2.CASCADE_SCALE_IMAGE,(2,2))  
        for (ex,ey,ew,eh) in eyes:  
            cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)  
              
cv2.imshow("img",img)  
cv2.waitKey(0)  

效果

最終結(jié)果如下圖所示：