本文将介绍如何利用OpenCV的Haar检测器实现人脸识别的
基本步骤：
1.用opencv实现人脸检测
2.加载Haar分类器
- 一般来说分类训练器的xml文件路径如下:....\sources\data\haarcascades\haarcascade_frontalface_alt.xml
- 每个人的安装位置不同，训练器的xml也不同，我的是opencv3.0，需要将该xml文件复制到当前工程目录下
- 使用 CascadeClassifier 类来检测视频流中物体. 特别地,我们将使用函数:load 来加载一个 .xml 分类器文件，detectMultiScale 来进行图像的多尺度检测.
3.载入图片，或者访问相机
4.利用前面加载的Haar检测器检测对象（人脸）
- 将彩色图转换为灰度图
- 收缩摄像机图像(前提是访问摄像头)
- 直方图均衡化
示例代码：
#include<opencv2/opencv.hpp> #include <iostream> using namespace std; using namespace cv; string face_cascade_name = "haarcascade_frontalface_alt.xml"; //该文件存在于OpenCV安装目录下的\sources\data\haarcascades内，需要将该xml文件复制到当前工程目录下 CascadeClassifier face_cascade; void detectAndDisplay(Mat frame); int main(int argc,char** argv) { Mat srcImage; //============载入并显示人脸图片========= srcImage = imread("image/ITboss.jpg",1); //当前工程image目录下的jpg文件，注意目录符号 imshow("原图",srcImage); //============加载分类器========= if (!face_cascade.load(face_cascade_name)) { printf("级联分类器错误，可能未找到文件，请拷贝该文件到工程目录下！\n"); return -1; } //============调用人脸检测函数 ========= detectAndDisplay(srcImage); waitKey(0);//暂停显示一下,ESC退出 } //= == == == == == =自定义人脸检测函数 == == == == void detectAndDisplay(Mat dispFace) { //定义变量 std::vector<Rect> faces; Mat srcFace,grayFace,eqlHistFace; cvtColor(dispFace,CV_BGR2GRAY); //rgb类型转换为灰度类型 equalizeHist(grayFace,eqlHistFace); //直方图均衡化 face_cascade.detectMultiScale(eqlHistFace,faces,1.01,1,0 | CV_HAAR_SCALE_IMAGE,Size(5,5),Size(22,23)); //增大第四个参数可以提高检测精度,但也可能会造成遗漏 //人脸尺寸minSize和maxSize，关键参数，自行设定，随图片尺寸有很大关系， for (unsigned int i = 0; i < faces.size(); i++) { Point center(faces[i].x + faces[i].width/2,faces[i].y + faces[i].height/2); //用绿色椭圆标记检测到的人脸 ellipse(dispFace,center,Size(faces[i].width*1/2,faces[i].height*65/100),360,Scalar(50,255,0),2,8,0); } //输出 cout << "共检测到人脸: " << faces.size() <<" 张"<<endl; imshow("人脸识别结果",dispFace); }
检测结果：
==============================================================
图片2：检测正确率约为100%,全部识别。（注意：相应的函数参数也发生变化）
face_cascade.detectMultiScale(eqlHistFace,1.1,Size(35,35));
