给OpenCV初学者的礼物——OpenCV人脸检测入门教程

作者&＃xff1a;小月月牙

编辑&＃xff1a;王萌(深度学习冲鸭公众号)

著作权归作者所有&＃xff0c;本文仅作学术分享&＃xff0c;若侵权&＃xff0c;请联系后台删文处理

Mat img &＃61; imread("lena.jpg", IMREAD_GRAYSCALE);//以灰度形式读取图片文件

imshow("grayimage", img);//显示img的图像&＃xff08;它是灰度图&＃xff09;

反过来&＃xff0c;一个Mat数据&＃xff0c;也可以写入文件&＃xff0c;这样就把图片给存起来了。举个例子&＃xff0c;读取Lena的照片文件&＃xff0c;然后存到一个叫out的文件里。

imwrite("image.jpg", M);//显示M的图像

Mat img &＃61; imread("lena.jpg", IMREAD_GRAYSCALE);//以灰度形式读取图片文件

imwrite("grayimage.jpg", img);//显示img的图像&＃xff08;它是灰度图&＃xff09;

一个人脸检测的例子

这个例子&＃xff0c;需要引用3个OpenCV的头文件&＃xff1a;

#include "opencv2/objdetect.hpp"

#include "opencv2/highgui.hpp"

#include "opencv2/imgproc.hpp"

当然&＃xff0c;也可以一步到位&＃xff0c;把所有的OpenCv库都引了

#include "opencv2/opencv.hpp"

应用iostream库&＃xff0c;并使用命名空间来减少代码里面文字的输入量

#include

using namespace std;

using namespace cv;

定义两个分类器&＃xff0c;分别用来检测脸和眼睛

CascadeClassifier face_cascade;

CascadeClassifier eyes_cascade;

加载已经训练好的分类器&＃xff0c;其中face_cascade_name和eyes_cascade_name是xml格式的分类器文件名。&＃xff08;OpenCV的Github里有已经训练好的模型&＃xff0c;可以免费下载&＃xff09;

face_cascade.load( face_cascade_name );

eyes_cascade.load( eyes_cascade_name );

定义一个检测人脸并显示检测结果的函数&＃xff0c;函数的输入变量是Mat图像。

void detectAndDisplay( Mat frame )

输入的Mat变量frame是彩色的&＃xff0c;色彩信息对检测没什么用。所以我们把它转成灰度图&＃xff0c;并标准化。

Mat frame_gray;

cvtColor( frame, frame_gray, COLOR_BGR2GRAY );//转灰度

equalizeHist( frame_gray, frame_gray );//标准化

一张图里有可能会检测到多个人脸&＃xff0c;我们可以把检测结果用一个叫faces的向量来存储。用分类器进行多尺度检测的函数叫detectMultiScale&＃xff0c;这个函数有两个变量&＃xff0c;第一个是输入的图像frame_gray&＃xff0c;第二个是输出的结果faces。

std::vector faces;//准备要存入人脸检测结果的向量

face_cascade.detectMultiScale( frame_gray, faces );//检测

由于faces是把检测结果存成了一个向量&＃xff0c;所以我们可以用size()函数得到这个向量的长度。下面这个代码循环遍历了每个结果&＃xff0c;计算了每张脸的位置。

for ( size_t i &＃61; 0; i

{

Point center( faces[i].x &＃43; faces[i].width/2, faces[i].y &＃43; faces[i].height/2 );//获得每张脸部中心的xy像素坐标

ellipse( frame, center, Size( faces[i].width/2, faces[i].height/2 ), 0, 0, 360, Scalar( 255, 0, 255 ), 4 );//给每个脸画个圈圈框起来

}

上面这个循环里&＃xff0c;还可以把检测到个每个脸的区域单独提取出来&＃xff0c;再检测一下眼睛。然后嵌入一个用圈圈框出眼睛的循环。这一步&＃xff0c;依然使用detectMultiScale函数进行检测。

Mat faceROI &＃61; frame_gray( faces[i] );//提取脸部区域

std::vector eyes;//准备要存入眼睛检测结果的向量

eyes_cascade.detectMultiScale( faceROI, eyes );//检测眼睛

for ( size_t j &＃61; 0; j

{

Point eye_center( faces[i].x &＃43; eyes[j].x &＃43; eyes[j].width/2, faces[i].y &＃43; eyes[j].y &＃43; eyes[j].height/2 );//获得每个眼睛的中心

int radius &＃61; cvRound( (eyes[j].width &＃43; eyes[j].height)*0.25 );

circle( frame, eye_center, radius, Scalar( 255, 0, 0 ), 4 );//把每个眼睛用圈圈框起来

}

接下来&＃xff0c;我们把上面的内容整合一下&＃xff0c;这个人脸检测并显示检测结果的函数

detectAndDisplay可以写成这样

void detectAndDisplay( Mat frame )

{

Mat frame_gray;

cvtColor( frame, frame_gray, COLOR_BGR2GRAY );

equalizeHist( frame_gray, frame_gray );

//-- Detect faces

std::vector faces;

face_cascade.detectMultiScale( frame_gray, faces );

for ( size_t i &＃61; 0; i

{

Point center( faces[i].x &＃43; faces[i].width/2, faces[i].y &＃43; faces[i].height/2 );

ellipse( frame, center, Size( faces[i].width/2, faces[i].height/2 ), 0, 0, 360, Scalar( 255, 0, 255 ), 4 );

Mat faceROI &＃61; frame_gray( faces[i] );

//-- In each face, detect eyes

std::vector eyes;

eyes_cascade.detectMultiScale( faceROI, eyes );

for ( size_t j &＃61; 0; j

{

Point eye_center( faces[i].x &＃43; eyes[j].x &＃43; eyes[j].width/2, faces[i].y &＃43; eyes[j].y &＃43; eyes[j].height/2 );

int radius &＃61; cvRound( (eyes[j].width &＃43; eyes[j].height)*0.25 );

circle( frame, eye_center, radius, Scalar( 255, 0, 0 ), 4 );

}

}

//-- Show what you got

imshow( "Capture - Face detection", frame );

}

实际中&＃xff0c;循环读摄像头并用这个detectAndDisplay函数进行检测的代码可以这么写。

Mat frame;//存放摄像头捕获图像的frame变量,它是个Mat数据

while ( capture.read(frame) )//循环把摄像头图像放入frame变量

{

detectAndDisplay( frame );//检测人脸并显示结果

}

最后&＃xff0c;我们来写一下主函数&＃xff0c;把上面那个摄像头读取和人脸检测功能加上。

int main( int argc, const char** argv )

{

CommandLineParser parser(argc, argv,

"{help h||}"

"{face_cascade|../../data/haarcascades/haarcascade_frontalface_alt.xml|Path to face cascade.}"

"{eyes_cascade|../../data/haarcascades/haarcascade_eye_tree_eyeglasses.xml|Path to eyes cascade.}"

"{camera|0|Camera device number.}");

parser.about( "\nThis program demonstrates using the cv::CascadeClassifier class to detect objects (Face &＃43; eyes) in a video stream.\n"

"You can use Haar or LBP features.\n\n" );

parser.printMessage();

String face_cascade_name &＃61; parser.get("face_cascade");

String eyes_cascade_name &＃61; parser.get("eyes_cascade");

//-- 1. Load the cascades

if( !face_cascade.load( face_cascade_name ) )

{

cout <<"--(!)Error loading face cascade\n";

return -1;

};

if( !eyes_cascade.load( eyes_cascade_name ) )

{

cout <<"--(!)Error loading eyes cascade\n";

return -1;

};

int camera_device &＃61; parser.get("camera");

VideoCapture capture;

//-- 2. Read the video stream

capture.open( camera_device );

if ( ! capture.isOpened() )

{

cout <<"--(!)Error opening video capture\n";

return -1;

}

Mat frame;

while ( capture.read(frame) )

{

if( frame.empty() )

{

cout <<"--(!) No captured frame -- Break!\n";

break;

}

//-- 3. Apply the classifier to the frame

detectAndDisplay( frame );

if( waitKey(10) &＃61;&＃61; 27 )

{

break; // escape

}

}

return 0;

}

人脸检测完整的代码可去下方下载

https://github.com/opencv/opencv/blob/master/samples/cpp/tutorial_code/objectDetection/objectDetection.cpp

已经训练好的分类器可去下方下载

https://github.com/opencv/opencv/tree/master/data/haarcascades

每天进步一丢丢

简要介绍下Tensorflow的计算图

Tensorflow是一个通过计算图的形式来表述计算的编程系统&＃xff0c;计算图也叫数据流图&＃xff0c;可以把计算图看做是一种有向图&＃xff0c;Tensorflow中的每一个计算都是计算图上的一个节点&＃xff0c;而节点之间的边描述了计算之间的依赖关系。