基於opencv和QT的人臉（人眼）檢測程式

qt和

opencv

的攝像頭（本地）讀取並輸出程式

#include "detectanddisplay.h"
void  detectanddisplay( mat &frame)
std::vecto***ces;//用於儲存檢測結果的向量
mat frame_gray;
cvtcolor( frame, frame_gray, cv_bgr2gray );//轉換成灰度圖
equalizehist( frame_gray, frame_gray );//直方圖均值化
face_cascade.detectmultiscale( frame_gray, faces, 1.1, 2, 0|cv_haar_scale_image, size(30, 30) );//用於檢測人眼的函式
//畫方框
for( int i = 0; i < faces.size(); i++ )
//imshow( window_name, frame );
}

函式首先使用cascadeclassifier類建立乙個分類器，然後匯入opencv已經訓練好的資料樣本進行分類，並將結果存入vector

faces向量中。需要注意的是，"haarcascade_mcs_eyepair_big.xml"檔案在opencv中的路徑為\opencv\sources\data\haarcascades，執行時需要將該檔案放到該項目的debug資料夾中。opencv自帶了多種已經訓練好的人臉特徵資料，可以選擇自己需要的檔案進行替換，如圖一。本文選擇的分類器是人眼雙目檢測分類器。

關於face_cascade.detectmultiscale的引數，如下所示

對不同大小的輸入影象進行物體識別，並返回乙個識別到的物體的矩陣列表。

c++:

void

cascadeclassifier::

detectmultiscale

(constmat&image, vector&objects,doublescalefactor=1.1,intminneighbors=3, intflags=0,sizeminsize=size(), sizemaxsize=size())

引數

·image– 需要檢測的 cv_8u 輸入矩陣。

·objects– 輸出vector載體容器用於儲存被識別的物體矩陣。

·scalefactor– 指定每張的縮小比例的引數。

·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式cvhaardetectobjects的flags相同. 此引數不被用於新版模型。

·minsize– 最小可能的物件的大小，小於的物件將被忽略。

·maxsize– 最大可能的物件的大小，大於的物件將被忽略。

該函式必須對灰度影象進行處理，關於灰度轉換函式和直方圖灰度化函式，可以在網上找到大量資料，這裡就不詳細介紹了。

最終的實際檢測結果如圖二。

圖二

基於opencv和QT的人臉（人眼）檢測程式

基於opencv的人臉識別

基於Opencv的人臉識別

基於Opencv的人臉識別

基於opencv和QT的人臉（人眼）檢測程式

基於opencv的人臉識別

基於Opencv的人臉識別

基於Opencv的人臉識別

相關推薦