使用opencv和覆盆子相机模块进行人脸检测的最佳算法是啥

Posted 2023-03-16

【中文标题】使用opencv和覆盆子相机模块进行人脸检测的最佳算法是啥

【英文标题】：What is the best algorithm for face detection using opencv and raspberry camera module使用opencv和覆盆子相机模块进行人脸检测的最佳算法是什么

【发布时间】：2015-09-18 14:40:47

【问题描述】：

我正在使用 opencv 进行面部和眼睛检测（无需识别），并且我发现了一些我可以使用的算法：

Viola–Jones 对象检测框架：该算法在 OpenCV 中实现为 cvHaarDetectObjects()。 https://en.wikipedia.org/wiki/Viola%E2%80%93Jones_object_detection_framework 局部二进制模式 (LBP) 是一种用于计算机视觉分类的特征https://en.wikipedia.org/wiki/Local_binary_patterns 3.....

我只是一个新手，我想知道什么是面部的最佳算法（在速度、性能和精度方面），尤其是 眼睛检测 使用 opencv :) 非常感谢

更新：对于我的情况，我需要从大约 2-5 米的距离捕捉走在街上的人的面孔，我正在使用 raspberry pi 2 with opencv 3 gold 和 raspicam-0.1.3 libarrry for the pi摄像头模组

【参考方案1】：

如果您只需要人脸检测器，Viola-Jones 物体检测器既快速又非常准确。用于眼睛检测的 Haar 级联分类器包含在 OpenCV 中。

LBP 检测器也可以被训练来识别人脸，但由于您没有使用识别的计划，因此可以跳过它。

【参考方案2】：

根据我的经验，最好的方法是 Haarcascade。我使用的文件是 haarcascade_frontalface_alt2.xml。我对所有的 haar 文件做了很多测试，发现这个是最好的。

std::vector<Rect> faces;
Mat img_gray;
Mat img; //here you have to load the image

CascadeClassifier face_cascade;
face_cascade.load("haarcascade_frontalface_alt2.xml");

cvtColor( img, img_gray, CV_BGR2GRAY );
cv::equalizeHist( img_gray, img_gray );

int rect_size = 20;
float scale_factor = 1.05;
int min_neighbours = 1;
face_cascade.detectMultiScale( img_gray, faces, scale_factor, min_neighbours, 0|CV_HAAR_SCALE_IMAGE, Size(rect_size, rect_size) );

haar 级联返回几个边界框（它们是候选框）。其中一些候选人将包含一张脸，而另一些则不包含。如果边界框的大部分像素都是绿色的，那么很可能没有人脸。您需要过滤肤色像素。您可以使用 HSV 执行此操作。首先你需要设置一个范围，在我们的例子中这个范围只允许肤色像素。

cv::Scalar  hsv_min = cv::Scalar(0, 30, 60);
cv::Scalar  hsv_max = cv::Scalar(20, 150, 255);
cvtColor(image, hsv_image, CV_BGR2HSV);
inRange (hsv_image, hsv_min, hsv_max, result_mask);

result_mask 是皮肤遮罩。白色的所有像素都是皮肤，黑色的所有像素都不是皮肤。那么你只需要统计掩码中白色像素的个数：

int number_skin_pixels = cv::countNonZero(result_mask);

如果有很多皮肤像素，那么你可以假设有一张脸。如果不是，则有误报

【讨论】：

好的，谢谢，我已经尝试过了...您对如何优化 faceetct.cpp 中的代码有任何想法吗，因为有很多参数...我也用 lbpcascade_frontalface.xml 进行了测试.它提供了很好的检测......对于我的情况，我需要捕捉走在街上的人的脸

@user3530803 lpd 比 haar 更快，但准确度较低。我编辑了我的答案以添加一些您可能需要的示例

@user3530803 参数 scale_factor 和 min_neighbours 是提高准确率的关键。如果你在一个不杂乱的环境中寻找一张脸（比如一张只有一个人的照片），我提出的价值观非常有效。如果图像中有很多人或背景凌乱，则需要稍微更改这些值

@user3530803 如果您添加滤色器，它也可以很好地工作。 Haar 级联只考虑灰度图像，因此可能导致误报。如果您按颜色过滤候选人，您可能会拒绝那些不是肤色的候选人。

谢谢...我能做些什么过滤我听说过高斯方法是这样吗？？