visual studo 2022中使用Opencv人脸检测

文章目录

1.关于.xml文件位置，Opencv下载和导入Visual studio 2022
2.一张图片的测试
3.实时检测
4.视频实时检测
5.HAAR与LBP检测人眼（模版匹配）

1.关于.xml文件位置，Opencv下载和导入Visual studio 2022

https://blog.csdn.net/Keep_Trying_Go/article/details/124902276

关于.xml位置

关于使用python中的opencv实现人脸识别：
https://mydreamambitious.blog.csdn.net/article/details/124851743

2.一张图片的测试

这里根据自己的需要加载相应的.xml文件

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
//haarcascade_frontalcatface.xml
//.xml文件的位置
String filename = "E:\\conda_3\\PyCharm\\OpenCV\\FaceDetect\\CascadeClassifer\\haarcascade_frontalface_alt.xml";
//图片的位置
String facefile = "E:\\conda_3\\PyCharm\\OpenCV\\FaceDetect\\images\\face1.jpg";
CascadeClassifier face_classifiler;int main() {//加载人脸识别.xml文件if (!face_classifiler.load(filename)) {printf("The CascadeClassifier load fail!");return 0;}Mat img = imread(facefile);if (img.empty()) {printf("The picture read fail!");return 0;}Mat gray;cvtColor(img, gray, COLOR_BGR2GRAY);
//equalizeHist直方图均衡化，，用于提高图像的质量equalizeHist(gray, gray);vector<Rect>faces;//输入图像 vector<Rect>& objects 缩放比例 检测次数 检测方法 图像大小face_classifiler.detectMultiScale(gray, faces, 1.2, 3, 0, Size(24, 24));for (size_t t = 0; t < faces.size(); t++) {rectangle(img, faces[static_cast<int>(t)], Scalar(255, 255, 0), 2, 8, 0);cv::Point locate;locate.x = (float)(faces[static_cast<int>(t)].x + faces[static_cast<int>(t)].width / 4);locate.y = (float)(faces[static_cast<int>(t)].y - 10);putText(img, "Person", locate, FONT_HERSHEY_SIMPLEX,1.2, (0, 255, 0), 2, 8);}imshow("face", img);waitKey(0);return 0;
}

这个地方的坐标表示方式要注意。

上面相关函数的解释：


detectMultiScale(InputArray image,CV_OUT std::vector<Rect>& objects,double scaleFactor = 1.1,int minNeighbors = 3, int flags = 0,Size minSize = Size(),Size maxSize = Size() );
参数说明：参数1：image–待检测图片，一般为灰度图像加快检测速度；参数2：objects–被检测物体的矩形框向量组；为输出量，如人脸检测矩阵Mat参数3：scaleFactor–表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;一般设置为1.1参数4：minNeighbors–表示构成检测目标的相邻矩形的最小个数(默认为3个)。如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，这种设定值一般用在用户自定义对检测结果的组合程序上；参数5：flags–要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，因此这些区域通常不会是人脸所在区域；参数6、7：minSize和maxSize用来限制得到的目标区域的范围。也就是我本次训练得到实际项目尺寸大小

rectangle(InputOutputArray img, Rect rec,const Scalar& color, int thickness = 1,int lineType = LINE_8, int shift = 0)参数说明： img 图像pt1 矩形的一个顶点pt2 矩形对角线上的另一个顶点color 线条颜色 (RGB) 或亮度（灰度图像 ）(grayscale image）。thickness 组成矩形的线条的粗细程度。取负值时（如 CV_FILLED）函数绘制填充了色彩的矩形。line_type 线条的类型。见cvLine的描述shift 坐标点的小数点位数。

putText( InputOutputArray img, const String& text, Point org,int fontFace, double fontScale, Scalar color,int thickness = 1, int lineType = LINE_8,bool bottomLeftOrigin = false );参数说明：img：写文本的图像text：要绘制的文本字符串org：文本位置fontFace：字体类型fontScalar：字体大小color：文本颜色thickness：绘制文本线条的厚度lineType：线类型bottomLeftOrigin ：当为true时，图像数据源位于左下角，为false时位于右上角

3.实时检测

这里根据自己的需要加载相应的.xml文件

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
//haarcascade_frontalcatface.xml
//opencv_world455d.lib
//E:\Visual studio 2019\Opencv\opencv\build\include
//E:\Visual studio 2019\Opencv\opencv\build\x64\vc15\lib
String filename = "E:\\conda_3\\PyCharm\\OpenCV\\FaceDetect\\CascadeClassifer\\haarcascade_frontalface_alt.xml";
CascadeClassifier face_classifiler;int main() {if (!face_classifiler.load(filename)) {printf("The CascadeClassifier load fail!");return 0;}
//打开摄像头实时检测namedWindow("face",WINDOW_AUTOSIZE);VideoCapture capture(0);Mat frame;Mat gray;while (capture.read(frame)) {cvtColor(frame, gray, COLOR_BGR2GRAY);//equalizeHist直方图均衡化，，用于提高图像的质量equalizeHist(gray, gray);vector<Rect>faces;//输入图像 vector<Rect>& objects 缩放比例 检测次数 检测方法 图像大小face_classifiler.detectMultiScale(gray, faces, 1.2, 3, 0, Size(30,30));for (size_t t = 0; t < faces.size(); t++) {rectangle(frame, faces[static_cast<int>(t)], Scalar(255, 255, 0), 2, 8, 0);cv::Point locate;locate.x = (float)(faces[static_cast<int>(t)].x + faces[static_cast<int>(t)].width / 4);locate.y = (float)(faces[static_cast<int>(t)].y - 10);putText(frame, "Person", locate, FONT_HERSHEY_SIMPLEX,1.2, (0, 0, 255), 2, 8);}imshow("face", frame);if (waitKey(10) == 27) {break;}}capture.release();destroyAllWindows();return 0;
}

4.实时人眼检测

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
//haarcascade_frontalcatface.xml
//opencv_world455d.lib
//E:\Visual studio 2019\Opencv\opencv\build\include
//E:\Visual studio 2019\Opencv\opencv\build\x64\vc15\lib
String filename = "E:\\conda_3\\PyCharm\\OpenCV\\FaceDetect\\CascadeClassifer\\haarcascade_frontalface_alt.xml";
String filename_eye = "E:\\conda_3\\PyCharm\\OpenCV\\FaceDetect\\CascadeClassifer\\haarcascade_eye.xml";
CascadeClassifier face_classifiler;
CascadeClassifier eye_detect;int main() {if (!face_classifiler.load(filename)) {printf("The CascadeClassifier load fail!");return 0;}if (!eye_detect.load(filename_eye)) {printf("The CascadeClassifier load fail!");return 0;}//打开摄像头实时检测namedWindow("face", WINDOW_AUTOSIZE);VideoCapture capture(0);Mat frame;Mat gray;while (capture.read(frame)) {cvtColor(frame, gray, COLOR_BGR2GRAY);//equalizeHist直方图均衡化，，用于提高图像的质量equalizeHist(gray, gray);vector<Rect>faces;vector<Rect>eyes;//输入图像 vector<Rect>& objects 缩放比例 检测次数 检测方法 图像大小face_classifiler.detectMultiScale(gray, faces, 1.2, 3, 0, Size(30, 30));for (size_t t = 0; t < faces.size(); t++) {rectangle(frame, faces[static_cast<int>(t)], Scalar(255, 255, 0), 2, 8, 0);cv::Point locate;locate.x = (float)(faces[static_cast<int>(t)].x + faces[static_cast<int>(t)].width / 4);locate.y = (float)(faces[static_cast<int>(t)].y - 10);putText(frame, "Person", locate, FONT_HERSHEY_SIMPLEX,1.2, (0, 0, 255), 2, 8);//首先在找到人脸的基础上进行人眼检测Mat eyeLocate = frame(faces[static_cast<int>(t)]);eye_detect.detectMultiScale(eyeLocate, eyes, 1.2, 10, 0, Size(20, 20));for (size_t s = 0; s < eyes.size(); s++) {Rect rect;rect.x = faces[static_cast<int>(t)].x + eyes[s].x;rect.y = faces[static_cast<int>(t)].y + eyes[s].y;rect.width = eyes[s].width;rect.height = eyes[s].height;rectangle(frame, rect, Scalar(255, 255, 0), 2, 8, 0);}}imshow("face", frame);if (waitKey(10) == 27) {break;}}capture.release();destroyAllWindows();return 0;
}

4.视频实时检测

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
//haarcascade_frontalcatface.xml
//opencv_world455d.lib
//E:\Visual studio 2019\Opencv\opencv\build\include
//E:\Visual studio 2019\Opencv\opencv\build\x64\vc15\lib
String filename = "E:\\conda_3\\PyCharm\\OpenCV\\FaceDetect\\CascadeClassifer\\haarcascade_frontalface_alt.xml";
CascadeClassifier face_classifiler;int main() {if (!face_classifiler.load(filename)) {printf("The CascadeClassifier load fail!");return 0;}//打开摄像头实时检测namedWindow("face", WINDOW_AUTOSIZE);VideoCapture capture;Mat frame;Mat gray;//打开视频文件capture.open("E:\\conda_3\\PyCharm\\OpenCV\\FaceDetect\\Video\\video.mp4");while (capture.read(frame)) {cvtColor(frame, gray, COLOR_BGR2GRAY);//equalizeHist直方图均衡化，，用于提高图像的质量equalizeHist(gray, gray);vector<Rect>faces;//输入图像 vector<Rect>& objects 缩放比例 检测次数 检测方法 图像大小face_classifiler.detectMultiScale(gray, faces, 1.2, 3, 0, Size(30, 30));for (size_t t = 0; t < faces.size(); t++) {rectangle(frame, faces[static_cast<int>(t)], Scalar(255, 255, 0), 2, 8, 0);cv::Point locate;locate.x = (float)(faces[static_cast<int>(t)].x + faces[static_cast<int>(t)].width / 4);locate.y = (float)(faces[static_cast<int>(t)].y - 10);putText(frame, "Person", locate, FONT_HERSHEY_SIMPLEX,1.2, (0, 0, 255), 2, 8);}imshow("face", frame);if (waitKey(10) == 27) {break;}}capture.release();destroyAllWindows();return 0;
}

5.HAAR与LBP检测人眼（模版匹配）

#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;String facefile = "E:\\Visual studio 2019\\Opencv\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_alt.xml";
String lefteyefile = "E:\\Visual studio 2019\\Opencv\\opencv\\build\\etc\\haarcascades\\haarcascade_eye.xml";
String righteyefile = "E:\\Visual studio 2019\\Opencv\\opencv\\build\\etc\\haarcascades\\haarcascade_eye.xml";
CascadeClassifier face_detector;
CascadeClassifier leftyeye_detector;
CascadeClassifier righteye_detector;Rect leftEye, rightEye;
//人眼区域  人眼的具体区域  人眼的具体坐标
void trackEye(Mat& im, Mat& tpl, Rect& rect) {Mat result;//图像宽度int result_cols = im.cols - tpl.cols + 1;//图像高度int result_rows = im.rows - tpl.rows + 1;// 模板匹配 create(int rows, int cols, int type)创建多维数组//U——usigned char（无符号字符型，不是无符号整型）C——通道数 S——signed int（有符号整型）;//其中前两个参数分别表示行(row)跟列(column)、第三个CV_8UC3中的8表示每个通道占8位、U表示无符号、    // C表示Char类型、3表示通道数目是3，第四个参数是向量表示初始化每个像素值是多少，向量长度对应通道数目一致//https://blog.csdn.net/FightingCSH/article/details/124195152//而我们这里人眼区域图是gray，所以最后的通道数为1result.create(result_rows, result_cols, CV_32FC1);//matchTemplate( InputArray image, InputArray templ,OutputArray result, int method, InputArray mask = noArray() );//基本思想是将模板图像在目标图像上滑动逐一对比，通过统计的基本方法进行匹配，比如方差检验，相关性检验等方法来寻找最佳匹配；//输入图像 匹配图像 输出结果(函数返回值) 比较的方法 matchTemplate(im, tpl, result, TM_CCORR_NORMED);// 寻找位置double minval, maxval;Point minloc, maxloc;//功能：从一个矩阵中找出全局的最大值和最小值。//输入单通道矩阵 最小值指针 最大值指针 最小值位置指针 最大值位置指针//https://blog.csdn.net/jndingxin/article/details/108447110minMaxLoc(result, &minval, &maxval, &minloc, &maxloc);if (maxval > 0.75) {rect.x = rect.x + maxloc.x;rect.y = rect.y + maxloc.y;}else {rect.x = rect.y = rect.width = rect.height = 0;}
}int main(int argc, char** argv) {if (!face_detector.load(facefile)) {printf("could not load data file...\n");return -1;}if (!leftyeye_detector.load(lefteyefile)) {printf("could not load data file...\n");return -1;}if (!righteye_detector.load(righteyefile)) {printf("could not load data file...\n");return -1;}Mat frame;VideoCapture capture(0);namedWindow("demo-win", WINDOW_AUTOSIZE);Mat gray;vector<Rect> faces;vector<Rect> eyes;Mat lefttpl, righttpl; // 模板while (capture.read(frame)) {//对图像进行翻转flip(frame, frame, 1);cvtColor(frame, gray, COLOR_BGR2GRAY);//提高图片的质量equalizeHist(gray, gray);//人脸检测face_detector.detectMultiScale(gray, faces, 1.1, 3, 0, Size(30, 30));for (size_t t = 0; t < faces.size(); t++) {rectangle(frame, faces[t], Scalar(255, 0, 0), 2, 8, 0);// 计算 人眼的offset ROIint offsety = faces[t].height / 4;int offsetx = faces[t].width / 8;int eyeheight = faces[t].height / 2 - offsety;int eyewidth = faces[t].width / 2 - offsetx;// 截取左眼区域Rect leftRect;leftRect.x = faces[t].x + offsetx;leftRect.y = faces[t].y + offsety;leftRect.width = eyewidth;leftRect.height = eyeheight;//得到人眼的图片区域（不是左眼的具体位置）Mat leftRoi = gray(leftRect);// 检测左眼leftyeye_detector.detectMultiScale(leftRoi, eyes, 1.1, 1, 0, Size(20, 20));if (lefttpl.empty()) {if (eyes.size()) {//获取左眼的准确坐标leftRect = eyes[0] + Point(leftRect.x, leftRect.y);lefttpl = gray(leftRect);rectangle(frame, leftRect, Scalar(0, 0, 255), 2, 8, 0);}}else {// 跟踪， 基于模板匹配leftEye.x = leftRect.x;leftEye.y = leftRect.y;trackEye(leftRoi, lefttpl, leftEye);if (leftEye.x > 0 && leftEye.y > 0) {leftEye.width = lefttpl.cols;leftEye.height = lefttpl.rows;rectangle(frame, leftEye, Scalar(0, 0, 255), 2, 8, 0);}}// 截取右眼区域（注意这里的摄像头截取的图片人眼和我们本身人眼是相反的）Rect rightRect;rightRect.x = faces[t].x + faces[t].width / 2;rightRect.y = faces[t].y + offsety;rightRect.width = eyewidth;rightRect.height = eyeheight;//获取右眼的区域（不是右眼的具体位置）Mat rightRoi = gray(rightRect);// 检测右眼righteye_detector.detectMultiScale(rightRoi, eyes, 1.1, 1, 0, Size(20, 20));if (righttpl.empty()) {if (eyes.size()) {//获取右眼的准确坐标rightRect = eyes[0] + Point(rightRect.x, rightRect.y);righttpl = gray(rightRect);rectangle(frame, rightRect, Scalar(0, 255, 255), 2, 8, 0);}}else {// 跟踪， 基于模板匹配rightEye.x = rightRect.x;rightEye.y = rightRect.y;trackEye(rightRoi, righttpl, rightEye);if (rightEye.x > 0 && rightEye.y > 0) {//righttpl.cols表示图片匹配之后的宽度  righttpl.rows表示图片匹配之后的高度rightEye.width = righttpl.cols;rightEye.height = righttpl.rows;rectangle(frame, rightEye, Scalar(0, 255, 255), 2, 8, 0);}}}imshow("demo-win", frame);char c = waitKey(100);if (c == 27) { // ESCbreak;}}// release resourcecapture.release();waitKey(0);return 0;
}

参考视频教程：
https://b23.tv/LnlcNDh

visual studo 2022中使用Opencv人脸检测相关推荐

OpenCV在visual studio 2022中的下载与配置
OpenCV在visual studio 2022中的下载与配置 opencv的下载环境变量的更改 visual studio 中的配置配置文件代码测试环节 opencv的下载我个人用的是vi ...
OpenCV人脸检测与人脸识别
OpenCV是开源的计算机视觉库,实现了很多图像处理和计算机视觉方面的通用算法.下面主要OpenCV中的内置算法来实现人脸检测与人脸识别. 人脸检测流程通过OpenCV自带的级联分类器来加载人脸检 ...
OpenCV与图像处理学习十七——OpenCV人脸检测（含代码）
OpenCV与图像处理学习十七--OpenCV人脸检测(含代码) 一.人脸识别概要 1.1 人脸检测 1.2 人脸对齐(Face Alignment) 1.3 人脸特征提取(Face Feature ...
OpenCV-Python实战（21）——OpenCV人脸检测项目在Web端的部署
OpenCV-Python实战(21)--OpenCV人脸检测项目在Web端的部署 0. 前言 1. OpenCV 人脸检测项目在 Web 端的部署 1.1 解析请求并构建响应 1.2 构建请求进行测 ...
keras系列︱人脸表情分类与识别：opencv人脸检测+Keras情绪分类（四）
人脸识别热门,表情识别更加.但是表情识别很难,因为人脸的微表情很多,本节介绍一种比较粗线条的表情分类与识别的办法. Keras系列: 1.keras系列︱Sequential与Model模型.kera ...
matlab中facedetector,Matlab人脸检测方法（Face Parts Detection）详解
今天同学让我帮忙制作一个人脸表情识别的样本库,其中主要是对人脸进行裁剪,这里用到了一个相对较新的Matlab人脸检测方法Face Parts Detection,网上百度了一下发现关于Matlab人脸 ...
.NetCore——基于OpenCV人脸检测
.NetCore--基于OpenCV人脸检测一.介绍在.NetCore中,基于OpenCV实现对静态图片的人脸识别,检测人脸是否存在,且存在的数量.注: 不能自动学习人脸特征. 二.使用首先引入 ...
人脸识别系统——OpenCV人脸检测
EduCoder:人脸识别系统--OpenCV人脸检测第1关:图片基本操作编程要求: 请在右侧编辑器中的BEGIN-END之间编写代码,完成如下要求: 导入openCV库(cv2): 读取路径 s ...
基于Haar分类器的OpenCV人脸检测实例
一．人脸的Haar特征分类器是什么人脸的Haar特征分类器就是一个XML文件,该文件中会描述人脸的Haar特征值.当然Haar特征的用途可不止可以用来描述人脸这一种,用来描述眼睛,嘴唇或是其它物体也 ...