Opencv_臉譜分類器_研究_part1(臉部到眼睛_CascadeClassifier類介紹_參數)

畫出來的人臉好像不太像人臉  畫工有待加強 QQ

// 階梯式類器別宣告
CascadeClassifier face_cascade;   // 人臉分類器
CascadeClassifier eyes_cascade;   //眼睛分類器
CascadeClassifier mouth_cascade;  //嘴巴分類器

指定  分類器xml檔路徑

下方是主要函式的演算定義



/* 函式 detectAndDisplay 的定義函式 */
void detectAndDisplay(Mat frame)
{
std::vector<Rect> faces;   //    首先  vector<Rect> faces;   一個存放臉的陣列(矩陣)
Mat frame_gray;

        // 在影像處理領域中很常先轉灰階再直方均勻化來做處理
       //主要目的是為了，去除任何彩色資訊，我們只計算ROI的灰階值(亮度值)
// 將攝像轉成灰階
cvtColor(frame, frame_gray, COLOR_BGR2GRAY);
// 灰階圖作直條式的評等化
equalizeHist(frame_gray, frame_gray);  

//-- 偵測臉
face_cascade.detectMultiScale(frame_gray,faces, 1.1, 2, 0 
| CASCADE_SCALE_IMAGE, Size(30, 30));

//在取得人臉臉譜的矩陣資訊(都正的;非負的)之後，我們利用loop來遍歷

for (size_t i = 0; i < faces.size(); i++)  //無符號的,0-MAXINT的範圍  人臉臉譜loop
{
Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2); //先找到人臉中心

ellipse(frame, center, Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360,Scalar(255, 0, 255), 4, 8, 0);
//printf("繪臉, 臉的大小 %d..............\n", faces.size());

Mat faceROI = frame_gray(faces[i]);//


std::vector<Rect> eyes;

//-- 在臉內偵測眼睛
eyes_cascade.detectMultiScale(faceROI, eyes,
1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));

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, 8, 0);
//printf("繪眼, 眼睛數量 %d\n\n\n", eyes.size());
}

std::vector<Rect> mouth;

//-- 在臉內偵測嘴巴
mouth_cascade.detectMultiScale(faceROI, mouth,
1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));

for (size_t j = 0; j < mouth.size(); j++)
{
Point mouth_center(faces[i].x + mouth[j].x + mouth[j].width / 2,
faces[i].y + mouth[j].y + mouth[j].height / 2);

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

circle(frame, mouth_center, radius, Scalar(0, 255, 0), 4, 8, 0);
}
}
//-- 顯示結果
imshow(window_name, frame);
}




針對  人臉區塊的詳說

這裡改個顏色

===================================================================


Point這個函式怎麼運作的呢???

Point  這個資料結構 能 存取及表示  二維座標的點(x,y)

上方提供兩種方式來做指派座標印出座標
1.多行打法
2.一行指定

===================================================================


ellipse    這個函式怎麼運作的呢???

在使用ellipse之前我們知道它是用來畫橢圓用的

在畫圖前應該要先準備好畫布

因此我先試著產生一個畫布

測試代碼

	#include <opencv2/opencv.hpp>
	#include<opencv2\highgui\highgui.hpp>
	#include<opencv2\imgproc\imgproc.hpp>
	#include<opencv2\core\core.hpp>
	#include<opencv2\video\background_segm.hpp>
	#include<stdlib.h>
	using namespace cv;
	using namespace std;
	int main(void)
	{
	// 創建一個黑色畫布
	// CV_8UC3----->8位元的unsigned char型態三通道
	// CV_[位元數][有無帶符號]C[通道數目]
	Mat image1 = Mat::zeros(400, 400, CV_8UC3);
	//宣告所有值都是0的矩陣 , 矩陣大小為 600(直行)*400(橫列) ,
	//Mat::zeros(int rows, int cols, int type)
	//rows -> 行數
	//cols -> 列數
	ellipse(image1, Point(200, 200), Size(100.0, 160.0), 0, 0, 360, Scalar(255, 0, 0), 1, 8);
	imshow("Image1_0度", image1);
	Mat image2 = Mat::zeros(400, 400, CV_8UC3);
	ellipse(image2, Point(200, 200), Size(100.0, 160.0), 45, 0, 360, Scalar(255, 0, 0), 1, 8);
	imshow("Image2_45度", image2);
	Mat image3 = Mat::zeros(400, 400, CV_8UC3);
	ellipse(image3, Point(200, 200), Size(100.0, 160.0), 90, 0, 360, Scalar(255, 0, 0), 1, 8);
	imshow("Image3_90度", image3);
	Mat image4 = Mat::zeros(400, 400, CV_8UC3);
	ellipse(image4, Point(200, 200), Size(100.0, 160.0), 135, 0, 360, Scalar(255, 0, 0), 1, 8);
	imshow("Image4_135度", image4);
	Mat image5 = Mat::zeros(400, 400, CV_8UC3);
	ellipse(image5, Point(200, 200), Size(100.0, 160.0), 180, 0, 360, Scalar(255, 0, 0), 1, 8);
	imshow("Image5_180度", image5);
	waitKey(0);
	return 0;
	}

view raw ellipse角度測試code hosted with ❤ by GitHub

眼睛部分


再來眼睛和嘴巴其實可以和再一起看

眼睛和鼻子都只長在臉部區域

所以臉部為我們的ROI

再偵測眼睛和嘴巴的時候應該要先
設置搜尋的感興趣區域

接著我把註解掉的  眼睛偵測打開了

偵測人臉+眼睛 測試結果

眼睛數量明確被診斷出來了

接著我好奇問了自己如果  (1)不轉灰階也不直方平等化   (2)只轉灰階不直方平等化

這兩個可能會造就捨麼結果呢????

(1)不轉灰階也不直方平等化   ---------------->  捨麼事情也沒發生

 (2)只轉灰階不直方平等化---------------->  出現偵測區了

所以接下來我們要來研究一下這行的語法到底在幹嘛

face_cascade.detectMultiScale(frame_gray, faces, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));

注意: face_cascade.detectMultiScale 是內建自己出現的!!!!

捨麼意思就是你不用打全部自動跑出後面語法

當你打完face_cascade.  之後你會發現後面自動語法提示功能

CascadeClassifier類 (級聯分類器類)
haar支持的目標有臉部、眼睛、嘴巴、鼻子、身體。

--------------------------------------------------------------------------------------------------------

CascadeClassifier::detectMultiScale

對不同大小的輸入圖像進行物體識別，並返回一個識別到的物體的矩陣列表。
--------------------------------------------------------------------------------------------------------

我們來看一下函式參數

C++:
void CascadeClassifier:: detectMultiScale ( const Mat& image ,
vector<Rect>& objects ,
double scaleFactor =1.1,
int minNeighbors =3,
int flags =0,
Size minSize =Size(),
Size maxSize =Size() )

參數
================================================

1. image –需要檢測的CV_8U輸入矩陣。(單通道)
2. objects –輸出vector載體容器用於保存被識別的物體矩陣。
3. scaleFactor –指定每張圖片的縮小比例的參數。
4. minNeighbors –指定每個候選矩陣至少包含的鄰近元素個數。
5. flags – 與舊版級聯分類器模型函數cvHaarDetectObjects的flags相同.此參數不被用於新版模型。(可省略)
6. minSize – 最小可能的對象的大小，小於的對象將被忽略。
7. maxSize – 最大可能的對象的大小，大於的對象將被忽略。

==================================================
face_cascade.detectMultiScale(frame_gray,
faces,
1.1,
2,
0 | CASCADE_SCALE_IMAGE,
 Size(30, 30));



參考資料&文獻&部落格、博客網站連結:

OpenCV 2.4+ C++ 人臉識別

http://www.cnblogs.com/justany/archive/2012/11/22/2781552.html


OpenCV學習筆記（二十七）——基於級聯分類器的目標檢測objdect
http://blog.csdn.net/yang_xian521/article/details/6973667

Basic drawing examples

http://opencvexamples.blogspot.com/2013/10/basic-drawing-examples.html

基于Haar特征Adaboost人臉檢測級聯分類

http://www.xlgps.com/article/398084.html