opencv如何實現圖片與視頻中人臉檢測功能

這篇文章主要介紹了opencv如何實現圖片與視頻中人臉檢測功能，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

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 >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，不然棧空間就馬上會分配完（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; 
}

感謝你能夠認真閱讀完這篇文章，希望小編分享的“opencv如何實現圖片與視頻中人臉檢測功能”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!