本文實例為大家分享了opencv實現人臉檢測功能的具體代碼，供大家參考，具體內容如下
第一章：反思與總結
上一篇博客我相信自己將人臉檢測中的AdaBoost算法解釋的非常清晰了，以及如何訓練人臉檢測的強分類器：人臉檢測中AdaBoost算法詳解。事后，自我感覺對這個人臉檢測還是不夠具體，所以自己抽了一下午的時間用opencv實現圖片與視頻中的人臉檢測，下面是我用vs2013加opencv4.9來實現的。做一下聲明，我的代碼是參考OpenCV實現人臉檢測的一個博客寫的，非常感謝這位博主，我學到了很多東西，下面是我一下午實踐的總結：
第二章：圖片中的人臉檢測
啥也不說，先上效果圖大笑：
下面是福利圖了，圖中有志玲姐姐（安靜）：
可惜沒匹配上，很傷心~~~~
有人可能會問這么漂亮的背景圖是這么高的，下面是代碼~
void CmyFaceDetectDlg::OnPaint() { if (IsIconic()) { CPaintDC dc(this); // 用于繪制的設備上下文 SendMessage(WM_ICONERASEBKGND, reinterpret_cast<WPARAM>(dc.GetSafeHdc()), 0); // 使圖標在工作區矩形中居中 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; // 繪制圖標 dc.DrawIcon(x, y, m_hIcon); } else { /*改變對話框背景****若需要默認背景，可以刪除*/ 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是背景的圖片ID，在資源視圖中插入資源，選擇BITMAP BITMAP m_bitmap; //上傳圖片（BMP）格式，將ID設為一致就好了 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，下面進入正題，如何實現圖片中的人臉匹配，見代碼，后面有詳細解釋：
void CmyFaceDetectDlg::OnBnClickedFacedetect() { // TODO: 在此添加控件通知處理程序代碼 CString filename; //打開對話框 CFileDialog OpenDlg(TRUE, NULL, NULL, OFN_HIDEREADONLY | OFN_OVERWRITEPROMPT | OFN_NOCHANGEDIR, _T("圖片 (*.jpg)|*.jpg|(*.*) |*.*|"), NULL); if (OpenDlg.DoModal() != IDOK) { return; } filename = OpenDlg.GetPathName();//獲得文件路徑 /*CString轉換*string*/ USES_CONVERSION;//USES_CONVERSION是用來轉換類型的 //USES_CONVERSION它是在堆棧上分配空間的，也就是說你在你在函數未結束就不會被釋放掉。所有要注意不要在一個函數中用while循環執行它，不然?？臻g就馬上會分配完（棧空間一般只有2M，很小） std::string tempName(W2A(filename));//轉換過程 image = imread(tempName);//讀取圖片 const String cascade_name = "./haarcascade_frontalface_alt2.xml";//加載人臉庫 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("人臉檢測", CV_WINDOW_AUTOSIZE); detectAndDraw(image, cascade, scale);//調用人臉檢測函數 imshow("人臉檢測", image); return; } void CmyFaceDetectDlg::detectAndDraw(Mat& img, CascadeClassifier& cascade, double scale) { /*程序核心函數，檢測標記人臉*/ int i = 0; vector<Rect>faces;//定義一個容器，保存檢測結果 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);//轉化灰度圖 resize(gray, smallImage, smallImage.size(), 0, 0, INTER_LINEAR);//圖片尺度調整,將gray調整為smallImage.size大小，方法為INTER_LINEAR：局部像素的重采樣 equalizeHist(smallImage, smallImage);//直方圖均衡 cascade.detectMultiScale(smallImage, faces);//核心，檢測人臉 //const_iterator迭代器,是不能改變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，標記出人臉位置。 Point center; Scalar color = colors[i % 8]; int radius; /*計算出原圖像中的圓心和半徑。公式很簡單，自己寫一下，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); } } 注意我是在一個MFC的對話框中，這個界面圖中按下“圖片”button后的操作。
第三章：視頻中的人臉檢測
其實，和圖片中的原理是一樣的。因為視頻又一幀一幀的圖片組成，我們設定一個短的時間間隔，就可以更圖片一樣了。
先看效果吧：（說明，該視頻是一個女子在跳芭蕾舞，我截去3張圖片來達到以點概面的效果）
下面見代碼：
void CmyFaceDetectDlg::OnBnClickedFacev() { // TODO: 在此添加控件通知處理程序代碼 //檢測視頻幀中的人臉 CString filename; CFileDialog OpenDlg(TRUE, NULL, NULL, OFN_HIDEREADONLY | OFN_OVERWRITEPROMPT | OFN_NOCHANGEDIR, _T("視頻(*.avi)|*.avi|(*.*)|*.*|"), NULL); if (OpenDlg.DoModal() != IDOK) { return; } /*CString轉換*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);//打開視頻 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))//讀取視頻幀 break; detectAndDraw(image, cascade, scale); imshow("人臉檢測", image); if (waitKey(delay) >= 0) stop = true; } capture.release(); return; }第四章：總結
人臉匹配最總要的是如何生成匹配庫，也是檢測的方法的差別。庫的生成和機器學習密切相關，學習永無止境，努力吧！
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持武林網。
新聞熱點
疑難解答
圖片精選
