【光電制造】給OpenCV初學者的禮物——OpenCV人臉檢測入門教程

前言

對于人類來說，圖像可以解構為畫面結構、色彩和非常豐富的意象。你可以把它解構為各種色塊或線條，然后用故事性的語言把這幅圖像存在腦海里。

反過來，對于計算機來說，這個過程就要機械得多了，計算機只認識組成一副圖像的那一個個像素。為了存儲這一個個像素，需要像素的坐標和色彩信息。OpenCV以一種叫Mat的結構存儲圖像，你可以把它理解為一種數據結構，結構上是下圖這樣的一個表格，表格的行列分布代表像素的行列。

在上圖的各個像素中，顏色又用三原色來表示，即BGR（藍綠紅）。這些BGR數據依次排列如下圖。其中，三原色里的每個顏色元素的值域是0-255（即8位），因此每個像素具有8x3位（即24位真彩色）。

我們來建立一個Mat數據M，存儲一個最簡單的2x2像素的圖像，且每個像素為藍色（0,0,255），可以這樣寫。要注意的是，目前最新的OpenCV 4.0.1已經不支持C了，代碼文件需要按C++寫。

Mat M(2,2, CV_8UC3, Scalar(0,0,255));//新建2x2像素圖像

imshow("image", M);//顯示M的圖像

當然，大多數時候，我們是不會這樣傻傻地新建一個圖像的。我們可以直接從一個jpg文件里面讀取圖像，我將把讀取圖片文件的方法教給大家。

舉個例子，把一個叫Lena的照片放進一個叫M的Mat結構，可以像下面這么寫。另外，我們還演示了怎么把一個彩色圖像以灰度圖的方式讀取。

Mat M = imread("lena.jpg");//圖像來自圖片文件

imshow("image", M);//顯示M的圖像

Mat img = imread("lena.jpg",?IMREAD_GRAYSCALE);//以灰度形式讀取圖片文件

imshow("grayimage", img);//顯示img的圖像（它是灰度圖）

反過來，一個Mat數據，也可以寫入文件，這樣就把圖片給存起來了。舉個例子，讀取Lena的照片文件，然后存到一個叫out的文件里。

imwrite("image.jpg", M);//顯示M的圖像

Mat img = imread("lena.jpg", IMREAD_GRAYSCALE);//以灰度形式讀取圖片文件

imwrite("grayimage.jpg", img);//顯示img的圖像（它是灰度圖）

這個例子，需要引用3個OpenCV的頭文件：

#include "opencv2/objdetect.hpp"

#include "opencv2/highgui.hpp"

#include "opencv2/imgproc.hpp"

當然，也可以一步到位，把所有的OpenCv庫都引了

#include "opencv2/opencv.hpp"

應用iostream庫，并使用命名空間來減少代碼里面文字的輸入量

#include

using namespace std;

using namespace cv;

定義兩個分類器，分別用來檢測臉和眼睛

CascadeClassifier face_cascade;

CascadeClassifier eyes_cascade;

加載已經訓練好的分類器，其中face_cascade_name和eyes_cascade_name是xml格式的分類器文件名。（OpenCV的Github里有已經訓練好的模型，可以免費下載）

face_cascade.load( face_cascade_name );

eyes_cascade.load( eyes_cascade_name );

定義一個檢測人臉并顯示檢測結果的函數，函數的輸入變量是Mat圖像。

void detectAndDisplay( Mat frame )

輸入的Mat變量frame是彩色的，色彩信息對檢測沒什么用。所以我們把它轉成灰度圖，并標準化。

Mat frame_gray;

cvtColor( frame, frame_gray, COLOR_BGR2GRAY );//轉灰度

equalizeHist( frame_gray, frame_gray );//標準化

一張圖里有可能會檢測到多個人臉，我們可以把檢測結果用一個叫faces的向量來存儲。用分類器進行多尺度檢測的函數叫detectMultiScale，這個函數有兩個變量，第一個是輸入的圖像frame_gray，第二個是輸出的結果faces。

std::vector<Rect> faces;//準備要存入人臉檢測結果的向量

face_cascade.detectMultiScale( frame_gray, faces );//檢測

由于faces是把檢測結果存成了一個向量，所以我們可以用size()函數得到這個向量的長度。下面這個代碼循環遍歷了每個結果，計算了每張臉的位置。

for ( size_t i = 0; i < faces.size(); i++ )

{

Point center( faces[i].x + faces[i].width/2, faces[i].y + faces[i].height/2 );//獲得每張臉部中心的xy像素坐標

ellipse( frame, center, Size( faces[i].width/2, faces[i].height/2 ), 0, 0, 360, Scalar( 255, 0, 255 ), 4 );//給每個臉畫個圈圈框起來

}

上面這個循環里，還可以把檢測到個每個臉的區域單獨提取出來，再檢測一下眼睛。然后嵌入一個用圈圈框出眼睛的循環。這一步，依然使用detectMultiScale函數進行檢測。

Mat faceROI = frame_gray( faces[i] );//提取臉部區域

std::vector eyes;//準備要存入眼睛檢測結果的向量

eyes_cascade.detectMultiScale( faceROI, eyes );//檢測眼睛

for ( size_t j = 0; j < eyes.size(); j++ )

{

Point eye_center( faces[i].x + eyes[j].x + eyes[j].width/2, faces[i].y + eyes[j].y + eyes[j].height/2 );//獲得每個眼睛的中心

int radius = cvRound( (eyes[j].width + eyes[j].height)*0.25 );

circle( frame, eye_center, radius, Scalar( 255, 0, 0 ), 4 );//把每個眼睛用圈圈框起來

}

接下來，我們把上面的內容整合一下，這個人臉檢測并顯示檢測結果的函數

detectAndDisplay可以寫成這樣

void detectAndDisplay( Mat frame )

{

Mat frame_gray;

cvtColor( frame, frame_gray, COLOR_BGR2GRAY );

equalizeHist( frame_gray, frame_gray );

//-- Detect faces

std::vector faces;

face_cascade.detectMultiScale( frame_gray, faces );

for ( size_t i = 0; i < faces.size(); i++ )

{

Point center( faces[i].x + faces[i].width/2, faces[i].y + faces[i].height/2 );

ellipse( frame, center, Size( faces[i].width/2, faces[i].height/2 ), 0, 0, 360, Scalar( 255, 0, 255 ), 4 );

Mat faceROI = frame_gray( faces[i] );

//-- In each face, detect eyes

std::vector eyes;

eyes_cascade.detectMultiScale( faceROI, eyes );

for ( size_t j = 0; j < eyes.size(); j++ )

{

Point eye_center( faces[i].x + eyes[j].x + eyes[j].width/2, faces[i].y + eyes[j].y + eyes[j].height/2 );

int radius = cvRound( (eyes[j].width + eyes[j].height)*0.25 );

circle( frame, eye_center, radius, Scalar( 255, 0, 0 ), 4 );

}

}

//-- Show what you got

imshow( "Capture - Face detection", frame );

}

實際中，循環讀攝像頭并用這個detectAndDisplay函數進行檢測的代碼可以這么寫。

Mat frame;//存放攝像頭捕獲圖像的frame變量,它是個Mat數據

while ( capture.read(frame) )//循環把攝像頭圖像放入frame變量

{

detectAndDisplay( frame );//檢測人臉并顯示結果

}

最后，我們來寫一下主函數，把上面那個攝像頭讀取和人臉檢測功能加上。

int main( int argc, const char** argv )

{

CommandLineParser parser(argc, argv,

"{help h||}"

"{face_cascade|../../data/haarcascades/haarcascade_frontalface_alt.xml|Path to face cascade.}"

"{eyes_cascade|../../data/haarcascades/haarcascade_eye_tree_eyeglasses.xml|Path to eyes cascade.}"

"{camera|0|Camera device number.}");

parser.about( "\nThis program demonstrates using the cv::CascadeClassifier class to detect objects (Face + eyes) in a video stream.\n"

"You can use Haar or LBP features.\n\n" );

parser.printMessage();

String face_cascade_name = parser.get("face_cascade");

String eyes_cascade_name = parser.get("eyes_cascade");

//-- 1. Load the cascades

if( !face_cascade.load( face_cascade_name ) )

{

cout?<< "--(!)Error loading face cascade\n";

return -1;

};

if( !eyes_cascade.load( eyes_cascade_name ) )

{

cout << "--(!)Error loading eyes cascade\n";

return -1;

};

int camera_device = parser.get("camera");

VideoCapture capture;

//-- 2. Read the video stream

capture.open( camera_device );

if ( ! capture.isOpened() )

{

cout << "--(!)Error opening video capture\n";

return -1;

}

Mat frame;

while ( capture.read(frame) )

{

if( frame.empty() )

{

cout << "--(!) No captured frame -- Break!\n";

break;

}

//-- 3. Apply the classifier to the frame

detectAndDisplay( frame );

if( waitKey(10) == 27 )

{

break; // escape

}

}

return 0;

}

人臉檢測完整的代碼可去下方下載

https://github.com/opencv/opencv/blob/master/samples/cpp/tutorial_code/objectDetection/objectDetection.cpp

已經訓練好的分類器可去下方下載

https://github.com/opencv/opencv/tree/master/data/haarcascades