本文实例为大家分享了opencv实现人脸检测功能的具体代码，供大家参考，具体内容如下
第一章：反思与总结
上一篇博客我相信自己将人脸检测中的AdaBoost算法解释的非常清晰了，以及如何训练人脸检测的强分类器：人脸检测中AdaBoost算法详解。事后，自我感觉对这个人脸检测还是不够具体，所以自己抽了一下午的时间用opencv实现图片与视频中的人脸检测，下面是我用vs2013加opencv4.9来实现的。做一下声明，我的代码是参考OpenCV实现人脸检测的一个博客写的，非常感谢这位博主，我学到了很多东西，下面是我一下午实践的总结：
第二章：图片中的人脸检测
啥也不说，先上效果图大笑：
下面是福利图了，图中有志玲姐姐（安静）：
可惜没匹配上，很伤心~~~~
有人可能会问这么漂亮的背景图是这么高的，下面是代码~
void CmyFaceDetectDlg::OnPaint()
{
if (IsIconic())
{
CPaintDC dc(this); // 用于绘制的设备上下文
SendMessage(WM_ICONERASEBKGND, reinterpret_cast<WPARAM>(dc.GetSafeHdc()), 0);
// 使图标在工作区矩形中居中
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;
// 绘制图标
dc.DrawIcon(x, y, m_hIcon);
}
else
{
/*改变对话框背景****若需要默认背景，可以删除*/
CPaintDC dc(this);
CRect rect;
GetClientRect(&rect);
CDC dcBmp;
dcBmp.CreateCompatibleDC(&dc);
CBitmap bmpBackGround;
bmpBackGround.LoadBitmap(<span style="color:#FF6666;">IDB_BEIJING</span>);//IDB_BEIJING是背景的图片ID，在资源视图中插入资源，选择BITMAP
BITMAP m_bitmap; //上传图片（BMP）格式，将ID设为一致就好了 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，下面进入正题，如何实现图片中的人脸匹配，见代码，后面有详细解释：
void CmyFaceDetectDlg::OnBnClickedFacedetect()
{
// TODO: 在此添加控件通知处理程序代码
CString filename;
//打开对话框
CFileDialog OpenDlg(TRUE, NULL, NULL, OFN_HIDEREADONLY | OFN_OVERWRITEPROMPT | OFN_NOCHANGEDIR,
_T("图片 (*.jpg)|*.jpg|(*.*) |*.*|"), NULL);
if (OpenDlg.DoModal() != IDOK)
{
return;
}
filename = OpenDlg.GetPathName();//获得文件路径
/*CString转换*string*/
USES_CONVERSION;//USES_CONVERSION是用来转换类型的
//USES_CONVERSION它是在堆栈上分配空间的，也就是说你在你在函数未结束就不会被释放掉。所有要注意不要在一个函数中用while循环执行它，不然栈空间就马上会分配完（栈空间一般只有2M，很小）
std::string tempName(W2A(filename));//转换过程
image = imread(tempName);//读取图片
const String cascade_name = "./haarcascade_frontalface_alt2.xml";//加载人脸库
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("人脸检测", CV_WINDOW_AUTOSIZE);
detectAndDraw(image, cascade, scale);//调用人脸检测函数
imshow("人脸检测", image);
return;
}
void CmyFaceDetectDlg::detectAndDraw(Mat& img, CascadeClassifier& cascade, double scale)
{
/*程序核心函数，检测标记人脸*/
int i = 0;
vector<Rect>faces;//定义一个容器，保存检测结果
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);//转化灰度图
resize(gray, smallImage, smallImage.size(), 0, 0, INTER_LINEAR);//图片尺度调整,将gray调整为smallImage.size大小，方法为INTER_LINEAR：局部像素的重采样
equalizeHist(smallImage, smallImage);//直方图均衡
cascade.detectMultiScale(smallImage, faces);//核心，检测人脸
//const_iterator迭代器,是不能改变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，标记出人脸位置。
Point center;
Scalar color = colors[i % 8];
int radius;
/*计算出原图像中的圆心和半径。公式很简单，自己写一下，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);
}
}
注意我是在一个MFC的对话框中，这个界面图中按下“图片”button后的操作。
第三章：视频中的人脸检测
其实，和图片中的原理是一样的。因为视频又一帧一帧的图片组成，我们设定一个短的时间间隔，就可以更图片一样了。
先看效果吧：（说明，该视频是一个女子在跳芭蕾舞，我截去3张图片来达到以点概面的效果）
下面见代码：
void CmyFaceDetectDlg::OnBnClickedFacev()
{
// TODO: 在此添加控件通知处理程序代码
//检测视频帧中的人脸
CString filename;
CFileDialog OpenDlg(TRUE, NULL, NULL, OFN_HIDEREADONLY | OFN_OVERWRITEPROMPT | OFN_NOCHANGEDIR,
_T("视频(*.avi)|*.avi|(*.*)|*.*|"), NULL);
if (OpenDlg.DoModal() != IDOK)
{
return;
}
/*CString转换*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);//打开视频
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))//读取视频帧
break;
detectAndDraw(image, cascade, scale);
imshow("人脸检测", image);
if (waitKey(delay) >= 0)
stop = true;
}
capture.release();
return;
}
第四章：总结
人脸匹配最总要的是如何生成匹配库，也是检测的方法的差别。库的生成和机器学习密切相关，学习永无止境，努力吧！
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
