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
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
--------------------------------------------------------------------------------------------------------
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
================================================
- image –需要檢測的CV_8U輸入矩陣。(單通道)
- objects –輸出vector載體容器用於保存被識別的物體矩陣。
- scaleFactor –指定每張圖片的縮小比例的參數。
- minNeighbors –指定每個候選矩陣至少包含的鄰近元素個數。
- 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)
- minSize – 最小可能的對象的大小，小於的對象將被忽略。
- 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.htmlOpenCV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
留言
張貼留言