图像处理项目——人脸检测—视频

Posted fpzs

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了图像处理项目——人脸检测—视频相关的知识,希望对你有一定的参考价值。

人脸检测 

*开发环境为visual studio2010
*使用的是opencv中的Haart特征分类器,harr Cascades
*检测对象为视频中的人脸

技术图片

 


一:主要步骤
1.加载分类器,将人脸检测分类器和笑脸检测分类器放在项目目录中去
2.调用detecMutiScale()函数检测,对函数中相关的参数进行修改调整,
 是检测的结果更加精确
3.打开摄像头或者视频文件,把检测到的人脸用矩形画出来

opencv中用来做目标检测的级联分类器的一个
类,其结构如下:
The constructor for the cv::CascadeClassifier object is:
     
      cv::CascadeClassifier::CascadeClassifier(
      const String& filename
  );
这个构造函数只需要一个参数,即存储xml文件的名字,此外还有一个默认参数,即是使用
load()成员加载级联。
二:代码
/***************************************************************
主要步骤:
1.将人脸检测分类器放在项目目录中去,加载Haart特征分类器(描述人体各个部位的Haar特征值,包括人脸、眼睛、嘴唇等)
2.调用detecMutiScale()函数检测,对函数中相关的参数进行修改调整
3.打开摄像头或者视频文件把检测到的人脸用矩形画出来
****************************************************************/
#include "opencv2/objdetect.hpp"                                                                                   
#include "opencv2/videoio.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
#include <stdio.h>
#include <stdlib.h>
using namespace std;
using namespace cv;

String Path_faceCascade;          //定义xml文件路径,训练模型以xml文件格式保存
CascadeClassifier faceCascade;   //定义人脸分类器,opencv中的harr Cascades
   
int main() 
{  
    Path_faceCascade = "models/haarcascade_frontalface_default.xml";   //导入xml文件,给Path_faceCascade
    if( !faceCascade.load( Path_faceCascade ) ) { 
      printf("--(!)Error loading face cascade
"); 
      return -1; 
  }
  
    VideoCapture cap;    
    Mat img, imgGray;  
    std::vector<Rect> faces;
    cap.open(0);   //打开摄像头  
    //cap.open("../data/test.avi");   //打开视频      
    int c = 0;    
    if(!cap.isOpened()){  
      return 1;  
    }  
  
    while(c!=27)  
    {  
        cap>>img;          
        cvtColor(img, imgGray, CV_RGB2GRAY);       
  
       faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0));   //检测人脸  
       //画框
       if(faces.size()>0){    
          for(int i =0; i < faces.size(); i++ ) {  
              rectangle(img, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height),Scalar(0, 255, 0), 1, 8);    //框出人脸位置  
          }  
       }  
      
       imshow("Camera", img);  
       int k = waitKey(500);
    //按"q"退出
    if(k == 113){
      destroyAllWindows();
      break;
    }  
  }
}  

三:检测结果

技术图片

技术图片

四:稍微修改代码调通对视频文件中人脸的检测

/***************************************************************
主要步骤:
1.将人脸检测分类器放在项目目录中去,加载Haart特征分类器(描述人体各个部位的Haar特征值,包括人脸、眼睛、嘴唇等)
2.调用detecMutiScale()函数检测,对函数中相关的参数进行修改调整
3.打开摄像头或者视频文件把检测到的人脸用矩形画出来
****************************************************************/
#include "opencv2/objdetect.hpp"                                                                                   
#include "opencv2/videoio.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
#include <stdio.h>
#include <stdlib.h>
using namespace std;
using namespace cv;

String Path_faceCascade;          //定义xml文件路径,训练模型以xml文件格式保存
CascadeClassifier faceCascade;   //定义人脸分类器,opencv中的harr Cascades
   
int main() 
{  
    Path_faceCascade = "models/haarcascade_frontalface_default.xml";   //导入xml文件,给Path_faceCascade
    if( !faceCascade.load( Path_faceCascade ) ) { 
      printf("--(!)Error loading face cascade
"); 
      return -1; 
  }
  
    VideoCapture cap;   
     
    std::vector<Rect> faces;
    //cap.open(0);   //打开摄像头  
    cap.open("E://demo.avi");   //打开视频   
    if(!cap.isOpened()){  
      return 1;  
    }  
  
    Mat img, imgGray;  
    while(1)  
    {  
        
        cap>>img;          
        cvtColor(img, imgGray, CV_RGB2GRAY);       
  
       faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0));   //检测人脸  
       //画框
       if(faces.size()>0){    
          for(int i =0; i < faces.size(); i++ ) {  
              rectangle(img, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height),Scalar(0, 255, 0), 1, 8);    //框出人脸位置  
          }  
       }  
      
       imshow("Camera", img);  
      waitKey(30);
    }  
  cap.release();//释放资源
}  

检测结果

技术图片

技术图片

技术图片

 

 

 

 

 

以上是关于图像处理项目——人脸检测—视频的主要内容,如果未能解决你的问题,请参考以下文章

基于Dlib人脸检测(图像视频)demo

基于Dlib人脸检测(图像视频)demo

无法从 emgucv 中的视频中检测到人脸

在 Python 多处理进程中运行较慢的 OpenCV 代码片段

TSINGSEE青犀视频平台人脸识别比对控制比对时间间隔的代码设计

使用 Qt Gui 执行慢速实时视频源的 Opencv 人脸检测