怎样使用OpenCV进行人脸识别

怎样使用OpenCV进行人脸识别

网上帖子不是很多么，这个是我自己简单写的，注释的部分删了吧，就可以简单识别人脸了
#include <opencv2\core\core.hpp>
#include <opencv2\imgproc\imgproc.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\video\background_segm.hpp>
#include <opencv2/objdetect/objdetect.hpp>
#include <iostream>

using namespace cv;
void detectAndDraw( Mat& img, CascadeClassifier& cascade,
                    CascadeClassifier& nestedCascade,
                    double scale, bool tryflip );
//Mat imageresize(Mat &image, Size size);


int main(){
    Mat image=imread("F:/quanjiafu.jpg");
    CascadeClassifier cascade,nestedcascade;
    cascade.load("F:/Opencv2.4.9/opencv/sources/data/haarcascades/haarcascade_frontalface_alt.xml");
    nestedcascade.load("F:/Opencv2.4.9/opencv/sources/data/haarcascades/haarcascade_eye_tree_eyeglasses.xml");
    detectAndDraw(image,cascade,nestedcascade,2,0);
    waitKey(0);
    return 0;
}
    void detectAndDraw( Mat& img, CascadeClassifier& cascade,
                        CascadeClassifier& nestedCascade,
                        double scale, bool tryflip )
    {
        int i = 0;
        double t = 0;
        //建立用于存放人脸的向量容器
        vector<Rect> faces, faces2;
        //定义一些颜色，用来标示不同的人脸
        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)} ;
        //建立缩小的图片，加快检测速度
        //nt cvRound (double value) 对一个double型的数进行四舍五入，并返回一个整型数！
        Mat gray, smallImg( cvRound (img.rows/scale), cvRound(img.cols/scale), CV_8UC1 );
        //转成灰度图像，Harr特征基于灰度图
        cvtColor( img, gray, CV_BGR2GRAY );
        //改变图像大小，使用双线性差值
        resize( gray, smallImg, smallImg.size(), 0, 0, INTER_LINEAR );
        //变换后的图像进行直方图均值化处理
        equalizeHist( smallImg, smallImg );

        //程序开始和结束插入此函数获取时间，经过计算求得算法执行时间
        t = (double)cvGetTickCount();
        //检测人脸
        //detectMultiScale函数中smallImg表示的是要检测的输入图像为smallImg，faces表示检测到的人脸目标序列，1.1表示
        //每次图像尺寸减小的比例为1.1，2表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大
        //小都可以检测到人脸),CV_HAAR_SCALE_IMAGE表示不是缩放分类器来检测，而是缩放图像，Size(30, 30)为目标的
        //最小最大尺寸
        cascade.detectMultiScale( smallImg, faces,
            1.1, 2, 0
            //|CV_HAAR_FIND_BIGGEST_OBJECT
            //|CV_HAAR_DO_ROUGH_SEARCH
            |CV_HAAR_SCALE_IMAGE
            ,
            Size(30, 30));
        //如果使能，翻转图像继续检测
        if( tryflip )
        {
            flip(smallImg, smallImg, 1);
            cascade.detectMultiScale( smallImg, faces2,
                                     1.1, 2, 0
                                     //|CV_HAAR_FIND_BIGGEST_OBJECT
                                     //|CV_HAAR_DO_ROUGH_SEARCH
                                     |CV_HAAR_SCALE_IMAGE
                                     ,
                                     Size(30, 30) );
            for( vector<Rect>::const_iterator r = faces2.begin(); r != faces2.end(); r++ )
            {
                faces.push_back(Rect(smallImg.cols - r->x - r->width, r->y, r->width, r->height));
            }
        }
        t = (double)cvGetTickCount() - t;
     //   qDebug( "detection time = %g ms\n", t/((double)cvGetTickFrequency()*1000.) );
        for( vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++, i++ )
        {
            Mat smallImgROI;
            vector<Rect> nestedObjects;
            Point center;
            Scalar color = colors[i%8];
            int radius;

            double aspect_ratio = (double)r->width/r->height;
            if( 0.75 < aspect_ratio && aspect_ratio < 1.3 )
            {
                //标示人脸时在缩小之前的图像上标示，所以这里根据缩放比例换算回去
                center.x = cvRound((r->x + r->width*0.5)*scale);
                center.y = cvRound((r->y + r->height*0.5)*scale);
                //Size s=Size(cvRound((r->width + r->height)*0.25*scale)*2,cvRound((r->width + r->height)*0.25*scale)*2);
                //Mat image=imread("F:/yaoming1.jpg");
                //Mat nimage=imageresize(image,s);
                //Mat imageROI=img(Rect(center.x-s.width/2,center.y-s.height/2,nimage.cols,nimage.rows));
                //addWeighted(imageROI,0.1,nimage,3,0.,imageROI);
                radius = cvRound((r->width + r->height)*0.25*scale);
                circle( img, center, radius, color,2, 8, 0 );
            }
            else
                rectangle( img, cvPoint(cvRound(r->x*scale), cvRound(r->y*scale)),
                           cvPoint(cvRound((r->x + r->width-1)*scale), cvRound((r->y + r->height-1)*scale)),
                           color, 3, 8, 0);
            if( nestedCascade.empty() )
                continue;
            smallImgROI = smallImg(*r);
            //同样方法检测人眼
            nestedCascade.detectMultiScale( smallImgROI, nestedObjects,
                1.1, 2, 0
                //|CV_HAAR_FIND_BIGGEST_OBJECT
                //|CV_HAAR_DO_ROUGH_SEARCH
                //|CV_HAAR_DO_CANNY_PRUNING
                |CV_HAAR_SCALE_IMAGE
                ,
                Size(30, 30) );
            for( vector<Rect>::const_iterator nr = nestedObjects.begin(); nr != nestedObjects.end(); nr++ )
            {
                center.x = cvRound((r->x + nr->x + nr->width*0.5)*scale);
                center.y = cvRound((r->y + nr->y + nr->height*0.5)*scale);
                radius = cvRound((nr->width + nr->height)*0.25*scale);
                circle( img, center, radius, color, 3, 8, 0 );
            }
        }
        cv::imshow( "result", img );
}
//Mat imageresize(Mat& image,Size size){
//    Mat nimage=Mat(size,CV_32S);
//    resize(image,nimage,size);
//    return nimage;

如何在一副图片中检测到人脸，这涉及到计算机图形学中一些非常复杂的计算，如果这些计算都靠程序员自己来编程，那么工作量就相当大。 　　OpenCV全称是Open Computer Vision，是指开放的计算机视觉资源代码，它具有：统一的结构和功能定义、强大的图像和矩阵运算能力、方便灵活的接口等特点，是计算机视觉、图像处理和模式识别等方面进行二次开发的理想工具。 　　它可以在各种版本的Windows下运行，也可以在Linux下运行。OpenCV的源代码是用C和C++所编写且完全开放的，因此具有很好的可移植性，在Microsoft Visual C++ 6.0、Microsoft Visual Studio 2003及Borland C++ BuilderX等环境下均可方便地使用OpenCV所提供的库来进行实际开发

从OpenCV2.4开始，加入了新的类FaceRecognizer，我们可以使用它便捷地进行人脸识别实验。本文既介绍代码使用，又介绍算法原理。(他写的源代码，我们可以在OpenCV的opencv\modules\contrib\doc\facerec\src下找到，当然也可以在他的github中找到，如果你想研究源码，自然可以去看看，不复杂) 目前支持的算法有 Eigenfaces特征脸createEigenFaceRecognizer() Fisherfaces createFisherFaceRecognizer() LocalBinary Patterns Histograms局部二值直方图 createLBPHFaceRecognizer() 你可以从网上找一些使用这些算法的实例，自己研究一下，希望能帮助到你，望采纳！

如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！

点此我要举报以上问答信息