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。這兩天仔細看了下，如果只是調用opencv自帶的分類器和函數的話，簡直是簡單。這不，正好最近也在學習Python索性就用C++和Python兩種語言都實現一下。當然，我現在這個是最簡單的版本。

步驟

調用opencv訓練好的分類器和自帶的檢測函數檢測人臉人眼等的步驟簡單直接：

加載分類器，當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，也可以自己訓練）

調用detectMultiScale()函數檢測，調整函數的參數可以使檢測結果更加精確。

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

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

image表示的是要檢測的輸入圖像

objects表示檢測到的人臉目標序列

scaleFactor表示每次圖像尺寸減小的比例

minNeighbors表示每一個目標至少要被檢測到3次才算是真的目標(因為周圍的像素和不同的窗口大小都可以檢測到人臉),

minSize為目標的最小尺寸

minSize為目標的最大尺寸

適當調整4,5,6兩個參數可以用來排除檢測結果中的干擾項。

程序：

C++程序如下：

#include

#include

#include

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 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 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

最終結果如下圖所示：

總結

以上是生活随笔為你收集整理的python做图像识别好还是c++好_OpenCV人脸检测（C++/Python)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。