基于openCV实现人脸检测

openCV的人脸识别主要通过Haar分类器实现,当然,这是在已有训练数据的基础上。openCV安装在 opencv/opencv/sources/data/haarcascades_cuda(或haarcascades)中存在预先训练好的物体检测器(xml格式),包括正脸、侧脸、眼睛、微笑、上半身、下半身、全身等。

openCV的的Haar分类器是一个监督分类器,首先对图像进行直方图均衡化并归一化到同样大小,然后标记里面是否包含要监测的物体。它首先由Paul Viola和Michael Jones设计,称为Viola Jones检测器。Viola Jones分类器在级联的每个节点中使用AdaBoost来学习一个高检测率低拒绝率的多层树分类器。它使用了以下一些新的特征:

1. 使用类Haar输入特征:对矩形图像区域的和或者差进行阈值化。 
2. 积分图像技术加速了矩形区域的45°旋转的值的计算,用来加速类Haar输入特征的计算。
3. 使用统计boosting来创建两类问题(人脸和非人脸)的分类器节点(高通过率,低拒绝率)
4. 把弱分类器节点组成筛选式级联。即,第一组分类器最优,能通过包含物体的图像区域,同时允许一些不包含物体通过的图像通过;第二组分

类器次优分类器,也是有较低的拒绝率;以此类推。也就是说,对于每个boosting分类器,只要有人脸都能检测到,同时拒绝一小部分非人脸,并将其传给下一个分类器,是为低拒绝率。以此类推,最后一个分类器将几乎所有的非人脸都拒绝掉,只剩下人脸区域。只要图像区域通过了整个级联,则认为里面有物体。

此技术虽然适用于人脸检测,但不限于人脸检测,还可用于其他物体的检测,如汽车、飞机等的正面、侧面、后面检测。在检测时,先导入训练好的参数文件,其中haarcascade_frontalface_alt2.xml对正面脸的识别效果较好haarcascade_profileface.xml对侧脸的检测效果较好。当然,如果要达到更高的分类精度,可以收集更多的数据进行训练,这是后话。

以下代码基本实现了正脸、眼睛、微笑、侧脸的识别,若要添加其他功能,可以自行调整。

// faceDetector.h
// This is just the face, eye, smile, profile detector from OpenCV's samples/c directory
//
/* *************** License:**************************
  Jul. 18, 2016
  Author: Liuph
  Right to use this code in any way you want without warranty, support or any guarantee of it working.  

  OTHER OPENCV SITES:
  * The source code is on sourceforge at:
   http://sourceforge.net/projects/opencvlibrary/
  * The OpenCV wiki page (As of Oct 1, 2008 this is down for changing over servers, but should come back):
   http://opencvlibrary.sourceforge.net/
  * An active user group is at:
   http://tech.groups.yahoo.com/group/OpenCV/
  * The minutes of weekly OpenCV development meetings are at:
   http://pr.willowgarage.com/wiki/OpenCV
  ************************************************** */ 

#include "cv.h"
#include "highgui.h" 

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <assert.h>
#include <math.h>
#include <float.h>
#include <limits.h>
#include <time.h>
#include <ctype.h>
#include <iostream>
using namespace std; 

static CvMemStorage* storage = 0;
static CvHaarClassifierCascade* cascade = 0;
static CvHaarClassifierCascade* nested_cascade = 0;
static CvHaarClassifierCascade* smile_cascade = 0;
static CvHaarClassifierCascade* profile = 0;
int use_nested_cascade = 0; 

void detect_and_draw( IplImage* image ); 

/* The path that stores the trained parameter files.
  After openCv is installed, the file path is
  "opencv/opencv/sources/data/haarcascades_cuda" or "opencv/opencv/sources/data/haarcascades" */
const char* cascade_name =
  "../faceDetect/haarcascade_frontalface_alt2.xml";
const char* nested_cascade_name =
  "../faceDetect/haarcascade_eye_tree_eyeglasses.xml";
const char* smile_cascade_name =
  "../faceDetect/haarcascade_smile.xml";
const char* profile_name =
  "../faceDetect/haarcascade_profileface.xml";
double scale = 1; 

int faceDetector(const char* imageName, int nNested, int nSmile, int nProfile)
{
  CvCapture* capture = 0;
  IplImage *frame, *frame_copy = 0;
  IplImage *image = 0;
  const char* scale_opt = "--scale=";
  int scale_opt_len = (int)strlen(scale_opt);
  const char* cascade_opt = "--cascade=";
  int cascade_opt_len = (int)strlen(cascade_opt);
  const char* nested_cascade_opt = "--nested-cascade";
  int nested_cascade_opt_len = (int)strlen(nested_cascade_opt);
  const char* smile_cascade_opt = "--smile-cascade";
  int smile_cascade_opt_len = (int)strlen(smile_cascade_opt);
  const char* profile_opt = "--profile";
  int profile_opt_len = (int)strlen(profile_opt);
  int i;
  const char* input_name = 0; 

  int opt_num = 7;
  char** opts = new char*[7];
  opts[0] = "compile_opencv.exe";
  opts[1] = "--scale=1";
  opts[2] = "--cascade=1";
  if (nNested == 1)
    opts[3] = "--nested-cascade=1";
  else
    opts[3] = "--nested-cascade=0";
  if (nSmile == 1)
    opts[4] = "--smile-cascade=1";
  else
    opts[4] = "--smile-cascade=0";
  if (nProfile == 1)
    opts[5] = "--profile=1";
  else
    opts[5] = "--profile=0";
  opts[6] = (char*)imageName; 

  for( i = 1; i < opt_num; i++ )
  {
    if( strncmp( opts[i], cascade_opt, cascade_opt_len) == 0)
    {
      cout<<"cascade: "<<cascade_name<<endl;
    }
    else if( strncmp( opts[i], nested_cascade_opt, nested_cascade_opt_len ) == 0)
    {
      if( opts[i][nested_cascade_opt_len + 1] == '1')
      {
        cout<<"nested: "<<nested_cascade_name<<endl;
        nested_cascade = (CvHaarClassifierCascade*)cvLoad( nested_cascade_name, 0, 0, 0 );
      }
      if( !nested_cascade )
        fprintf( stderr, "WARNING: Could not load classifier cascade for nested objects\n" );
    }
    else if( strncmp( opts[i], scale_opt, scale_opt_len ) == 0 )
    {
      cout<< "scale: "<< scale<<endl;
      if( !sscanf( opts[i] + scale_opt_len, "%lf", &scale ) || scale < 1 )
        scale = 1;
    }
    else if (strncmp( opts[i], smile_cascade_opt, smile_cascade_opt_len ) == 0)
    {
      if( opts[i][smile_cascade_opt_len + 1] == '1')
      {
        cout<<"smile: "<<smile_cascade_name<<endl;
        smile_cascade = (CvHaarClassifierCascade*)cvLoad( smile_cascade_name, 0, 0, 0 );
      }
      if( !smile_cascade )
        fprintf( stderr, "WARNING: Could not load classifier cascade for smile objects\n" );
    }
    else if (strncmp( opts[i], profile_opt, profile_opt_len ) == 0)
    {
      if( opts[i][profile_opt_len + 1] == '1')
      {
        cout<<"profile: "<<profile_name<<endl;
        profile = (CvHaarClassifierCascade*)cvLoad( profile_name, 0, 0, 0 );
      }
      if( !profile )
        fprintf( stderr, "WARNING: Could not load classifier cascade for profile objects\n" );
    }
    else if( opts[i][0] == '-' )
    {
      fprintf( stderr, "WARNING: Unknown option %s\n", opts[i] );
    }
    else
    {
      input_name = imageName;
      printf("input_name: %s\n", imageName);
    }
  } 

  cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 ); 

  if( !cascade )
  {
    fprintf( stderr, "ERROR: Could not load classifier cascade\n" );
    fprintf( stderr,
    "Usage: facedetect [--cascade=\"<cascade_path>\"]\n"
    "  [--nested-cascade[=\"nested_cascade_path\"]]\n"
    "  [--scale[=<image scale>\n"
    "  [filename|camera_index]\n" );
    return -1;
  }
  storage = cvCreateMemStorage(0); 

  if( !input_name || (isdigit(input_name[0]) && input_name[1] == '\0') )
    capture = cvCaptureFromCAM( !input_name ? 0 : input_name[0] - '0' );
  else if( input_name )
  {
    image = cvLoadImage( input_name, 1 );
    if( !image )
      capture = cvCaptureFromAVI( input_name );
  }
  else
    image = cvLoadImage( "../lena.jpg", 1 ); 

  cvNamedWindow( "result", 1 ); 

  if( capture )
  {
    for(;;)
    {
      if( !cvGrabFrame( capture ))
        break;
      frame = cvRetrieveFrame( capture );
      if( !frame )
        break;
      if( !frame_copy )
        frame_copy = cvCreateImage( cvSize(frame->width,frame->height),
                      IPL_DEPTH_8U, frame->nChannels );
      if( frame->origin == IPL_ORIGIN_TL )
        cvCopy( frame, frame_copy, 0 );
      else
        cvFlip( frame, frame_copy, 0 ); 

      detect_and_draw( frame_copy ); 

      if( cvWaitKey( 10 ) >= 0 )
        goto _cleanup_;
    } 

    cvWaitKey(0);
_cleanup_:
    cvReleaseImage( &frame_copy );
    cvReleaseCapture( &capture );
  }
  else
  {
    if( image )
    {
      detect_and_draw( image );
      cvWaitKey(0);
      cvReleaseImage( &image );
    }
    else if( input_name )
    {
      /* assume it is a text file containing the
        list of the image filenames to be processed - one per line */
      FILE* f = fopen( input_name, "rt" );
      if( f )
      {
        char buf[1000+1];
        while( fgets( buf, 1000, f ) )
        {
          int len = (int)strlen(buf), c;
          while( len > 0 && isspace(buf[len-1]) )
            len--;
          buf[len] = '\0';
          printf( "file %s\n", buf );
          image = cvLoadImage( buf, 1 );
          if( image )
          {
            detect_and_draw( image );
            c = cvWaitKey(0);
            if( c == 27 || c == 'q' || c == 'Q' )
              break;
            cvReleaseImage( &image );
          }
        }
        fclose(f);
      }
    }
  } 

  cvDestroyWindow("result"); 

  return 0;
} 

void detect_and_draw( IplImage* img )
{
  static CvScalar colors[] =
  {
    {{0,0,255}},
    {{0,128,255}},
    {{0,255,255}},
    {{0,255,0}},
    {{255,128,0}},
    {{255,255,0}},
    {{255,0,0}},
    {{255,0,255}}
  }; 

  IplImage *gray, *small_img;
  int i, j; 

  gray = cvCreateImage( cvSize(img->width,img->height), 8, 1 );
  small_img = cvCreateImage( cvSize( cvRound (img->width/scale),
             cvRound (img->height/scale)), 8, 1 ); 

  cvCvtColor( img, gray, CV_BGR2GRAY );
  cvResize( gray, small_img, CV_INTER_LINEAR );
  cvEqualizeHist( small_img, small_img );
  cvClearMemStorage( storage ); 

  if( cascade )
  {
    double t = (double)cvGetTickCount();
    CvSeq* faces = cvHaarDetectObjects( small_img, cascade, storage,
                      1.1, 2, 0
                      //|CV_HAAR_FIND_BIGGEST_OBJECT
                      //|CV_HAAR_DO_ROUGH_SEARCH
                      |CV_HAAR_DO_CANNY_PRUNING
                      //|CV_HAAR_SCALE_IMAGE
                      ,
                      cvSize(30, 30) );
    t = (double)cvGetTickCount() - t;
    printf( "faces detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) );
    for( i = 0; i < (faces ? faces->total : 0); i++ )
    {
      CvRect* r = (CvRect*)cvGetSeqElem( faces, i );
      CvMat small_img_roi;
      CvSeq* nested_objects;
      CvSeq* smile_objects;
      CvPoint center;
      CvScalar color = colors[i%8];
      int radius;
      center.x = cvRound((r->x + r->width*0.5)*scale);
      center.y = cvRound((r->y + r->height*0.5)*scale);
      radius = cvRound((r->width + r->height)*0.25*scale);
      cvCircle( img, center, radius, color, 3, 8, 0 ); 

      //eye
      if( nested_cascade != 0)
      {
        cvGetSubRect( small_img, &small_img_roi, *r );
        nested_objects = cvHaarDetectObjects( &small_img_roi, nested_cascade, storage,
          1.1, 2, 0
          //|CV_HAAR_FIND_BIGGEST_OBJECT
          //|CV_HAAR_DO_ROUGH_SEARCH
          //|CV_HAAR_DO_CANNY_PRUNING
          //|CV_HAAR_SCALE_IMAGE
          ,
          cvSize(0, 0) );
        for( j = 0; j < (nested_objects ? nested_objects->total : 0); j++ )
        {
          CvRect* nr = (CvRect*)cvGetSeqElem( nested_objects, j );
          center.x = cvRound((r->x + nr->x + nr->width*0.5)*scale);
          center.y = cvRound((r->y + nr->y + nr->height*0.5)*scale);
          radius = cvRound((nr->width + nr->height)*0.25*scale);
          cvCircle( img, center, radius, color, 3, 8, 0 );
        }
      }
      //smile
      if (smile_cascade != 0)
      {
        cvGetSubRect( small_img, &small_img_roi, *r );
        smile_objects = cvHaarDetectObjects( &small_img_roi, smile_cascade, storage,
          1.1, 2, 0
          //|CV_HAAR_FIND_BIGGEST_OBJECT
          //|CV_HAAR_DO_ROUGH_SEARCH
          //|CV_HAAR_DO_CANNY_PRUNING
          //|CV_HAAR_SCALE_IMAGE
          ,
          cvSize(0, 0) );
        for( j = 0; j < (smile_objects ? smile_objects->total : 0); j++ )
        {
          CvRect* nr = (CvRect*)cvGetSeqElem( smile_objects, j );
          center.x = cvRound((r->x + nr->x + nr->width*0.5)*scale);
          center.y = cvRound((r->y + nr->y + nr->height*0.5)*scale);
          radius = cvRound((nr->width + nr->height)*0.25*scale);
          cvCircle( img, center, radius, color, 3, 8, 0 );
        }
      }
    }
  } 

  if( profile )
  {
    double t = (double)cvGetTickCount();
    CvSeq* faces = cvHaarDetectObjects( small_img, profile, storage,
      1.1, 2, 0
      //|CV_HAAR_FIND_BIGGEST_OBJECT
      //|CV_HAAR_DO_ROUGH_SEARCH
      |CV_HAAR_DO_CANNY_PRUNING
      //|CV_HAAR_SCALE_IMAGE
      ,
      cvSize(30, 30) );
    t = (double)cvGetTickCount() - t;
    printf( "profile faces detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) );
    for( i = 0; i < (faces ? faces->total : 0); i++ )
    {
      CvRect* r = (CvRect*)cvGetSeqElem( faces, i );
      CvMat small_img_roi;
      CvSeq* nested_objects;
      CvSeq* smile_objects;
      CvPoint center;
      CvScalar color = colors[(7-i)%8];
      int radius;
      center.x = cvRound((r->x + r->width*0.5)*scale);
      center.y = cvRound((r->y + r->height*0.5)*scale);
      radius = cvRound((r->width + r->height)*0.25*scale);
      cvCircle( img, center, radius, color, 3, 8, 0 ); 

      //eye
      if( nested_cascade != 0)
      {
        cvGetSubRect( small_img, &small_img_roi, *r );
        nested_objects = cvHaarDetectObjects( &small_img_roi, nested_cascade, storage,
          1.1, 2, 0
          //|CV_HAAR_FIND_BIGGEST_OBJECT
          //|CV_HAAR_DO_ROUGH_SEARCH
          //|CV_HAAR_DO_CANNY_PRUNING
          //|CV_HAAR_SCALE_IMAGE
          ,
          cvSize(0, 0) );
        for( j = 0; j < (nested_objects ? nested_objects->total : 0); j++ )
        {
          CvRect* nr = (CvRect*)cvGetSeqElem( nested_objects, j );
          center.x = cvRound((r->x + nr->x + nr->width*0.5)*scale);
          center.y = cvRound((r->y + nr->y + nr->height*0.5)*scale);
          radius = cvRound((nr->width + nr->height)*0.25*scale);
          cvCircle( img, center, radius, color, 3, 8, 0 );
        }
      }
      //smile
      if (smile_cascade != 0)
      {
        cvGetSubRect( small_img, &small_img_roi, *r );
        smile_objects = cvHaarDetectObjects( &small_img_roi, smile_cascade, storage,
          1.1, 2, 0
          //|CV_HAAR_FIND_BIGGEST_OBJECT
          //|CV_HAAR_DO_ROUGH_SEARCH
          //|CV_HAAR_DO_CANNY_PRUNING
          //|CV_HAAR_SCALE_IMAGE
          ,
          cvSize(0, 0) );
        for( j = 0; j < (smile_objects ? smile_objects->total : 0); j++ )
        {
          CvRect* nr = (CvRect*)cvGetSeqElem( smile_objects, j );
          center.x = cvRound((r->x + nr->x + nr->width*0.5)*scale);
          center.y = cvRound((r->y + nr->y + nr->height*0.5)*scale);
          radius = cvRound((nr->width + nr->height)*0.25*scale);
          cvCircle( img, center, radius, color, 3, 8, 0 );
        }
      }
    }
  } 

  cvShowImage( "result", img );
  cvReleaseImage( &gray );
  cvReleaseImage( &small_img );
}
//main.cpp
//openCV配置
//附加包含目录: include, include/opencv, include/opencv2
//附加库目录: lib
//附加依赖项: debug:--> opencv_calib3d243d.lib;...;
//     release:--> opencv_calib3d243.lib;...; 

#include<string>
#include <opencv2\opencv.hpp> 

#include "CV2_compile.h"
#include "CV_compile.h" 

#include "face_detector.h" 

using namespace cv;
using namespace std; 

int main(int argc, char** argv)
{
  const char* imagename = "../lena.jpg";
  faceDetector(imagename,1,0,0); 

  return 0;
}

调整主函数中faceDetect(const char* imageName, int nNested, int nSmile, int nProfile)函数中的参数,分别表示图像文件名,是否检测眼睛,是否检测微笑,是否检测侧脸。以检测正脸、眼睛为例:

再来看一张合影。

========华丽丽的分割线==========

如果对分类器的参数不满意,或者说想识别其他的物体例如车、人、飞机、苹果等等等等,只需要选择适当的样本训练,获取该物体的各个方面的参数,训练过程可以通过openCV的haartraining实现(参考haartraining参考文档,opencv/apps/traincascade),主要包括个步骤:

1. 收集打算学习的物体数据集(如正面人脸图,侧面汽车图等, 1000~10000个正样本为宜),把它们存储在一个或多个目录下面。
2. 使用createsamples来建立正样本的向量输出文件,通过这个文件可以重复训练过程,使用同一个向量输出文件尝试各种参数。
3. 获取负样本,即不包含该物体的图像。
4. 训练。命令行实现。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。

您可能感兴趣的文章:

  • OpenCV实现人脸检测
  • C++利用opencv实现人脸检测
  • opencv实现图片与视频中人脸检测功能
时间: 2018-01-08

OpenCV实现人脸检测

前段日子,写了个人脸检测的小程序,可以检测标记图片.视频.摄像头中的人脸.效果还行吧,用的是opencv提供人脸库.至于具体的人脸检测原理,找资料去啃吧. 环境:VS2013+OPENCV2.4.10+Win8.1 一.基于对话框的MFC 首先,新建一个基于对话框的MFC应用程序,命名为myFaceDetect(取消"安全开发周期(SDL)检查"勾选,我自己习惯取消这个). 放置Button,设置Button的ID和Caption. 图片按钮--ID:IDC_FACEDETECT 视频

C++利用opencv实现人脸检测

小编所有的帖子都是基于unbuntu系统的,当然稍作修改同样试用于windows的,经过小编的绞尽脑汁,把刚刚发的那篇python 实现人脸和眼睛的检测的程序用C++ 实现了,当然,也参考了不少大神的博客,下面我们就一起来看看: Linux系统下安装opencv我就再啰嗦一次,防止有些人没有安装没调试出来喷小编的程序是个坑, sudo apt-get install libcv-dev sudo apt-get install libopencv-dev 看看你的usr/share/opencv

opencv实现图片与视频中人脸检测功能

本文实例为大家分享了opencv实现人脸检测功能的具体代码,供大家参考,具体内容如下 第一章:反思与总结 上一篇博客我相信自己将人脸检测中的AdaBoost算法解释的非常清晰了,以及如何训练人脸检测的强分类器:人脸检测中AdaBoost算法详解.事后,自我感觉对这个人脸检测还是不够具体,所以自己抽了一下午的时间用opencv实现图片与视频中的人脸检测,下面是我用vs2013加opencv4.9来实现的.做一下声明,我的代码是参考OpenCV实现人脸检测的一个博客写的,非常感谢这位博主,我学到了很

JavaCV实现人脸检测功能

本文实例为大家分享了JavaCV实现人脸检测功能的具体代码,供大家参考,具体内容如下 /* * Copyright (C) 2010,2011,2012 Samuel Audet * * FacePreview - A fusion of OpenCV's facedetect and Android's CameraPreview samples, * with JavaCV + JavaCPP as the glue in between. * * This file was based o

Android 中使用 dlib+opencv 实现动态人脸检测功能

1 概述 完成 Android 相机预览功能以后,在此基础上我使用 dlib 与 opencv 库做了一个关于人脸检测的 demo.该 demo 在相机预览过程中对人脸进行实时检测,并将检测到的人脸用矩形框描绘出来.具体实现原理如下: 采用双层 View,底层的 TextureView 用于预览,程序从 TextureView 中获取预览帧数据,然后调用 dlib 库对帧数据进行处理,最后将检测结果绘制在顶层的 SurfaceView 中. 2 项目配置 由于项目中用到了 dlib 与 open

Python基于OpenCV实现视频的人脸检测

本文实例为大家分享了基于OpenCV实现视频的人脸检测具体代码,供大家参考,具体内容如下 前提条件 1.摄像头 2.已安装Python和OpenCV3 代码 import cv2 import sys import logging as log import datetime as dt from time import sleep cascPath = "haarcascade_frontalface_default.xml" faceCascade = cv2.CascadeCla

Python下应用opencv 实现人脸检测功能

使用OpenCV's Haar cascades作为人脸检测,因为他做好了库,我们只管使用. 代码简单,除去注释,总共有效代码只有10多行. 所谓库就是一个检测人脸的xml 文件,可以网上查找,下面是一个地址: https://github.com/opencv/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml 如何构造这个库,学习完本文后可以参考: http://note.sonots.com/Sc

对Python+opencv将图片生成视频的实例详解

如下所示: import cv2 fps = 16 size = (width,height) videowriter = cv2.VideoWriter("a.avi",cv2.VideoWriter_fourcc('M','J','P','G'),fps,size) for i in range(1,200): img = cv2.imread('%d'.jpg % i) videowriter.write(img) 以上这篇对Python+opencv将图片生成视频的实例详解就是

50行Python代码实现人脸检测功能

现在的人脸识别技术已经得到了非常广泛的应用,支付领域.身份验证.美颜相机里都有它的应用.用iPhone的同学们应该对下面的功能比较熟悉 iPhone的照片中有一个"人物"的功能,能够将照片里的人脸识别出来并分类,背后的原理也是人脸识别技术. 这篇文章主要介绍怎样用Python实现人脸检测.人脸检测是人脸识别的基础.人脸检测的目的是识别出照片里的人脸并定位面部特征点,人脸识别是在人脸检测的基础上进一步告诉你这个人是谁. 好了,介绍就到这里.接下来,开始准备我们的环境. 准备工作 本文的人

基于Python实现视频的人脸融合功能

​ 图片提取 为了方便技术展示,我们选取素材为演员杨紫的一段演讲视频,用例仅为技术交流演示使用,不针对任何指定人. 为达到我们AI换脸的目的,我们首先需要将这段视频逐帧提取成照片 def vedio_2_pic(self,file,save_path): """ 逐帧取照片 file:视频的位置 save_path:保存路径 """ # 读取视频 video = cv2.VideoCapture(file) # 获取视频帧率 fps = vide

OpenCV实现人脸检测功能

本文实例为大家分享了OpenCV实现人脸检测功能的具体代码,供大家参考,具体内容如下 1.HAAR级联检测 #include <opencv2/opencv.hpp> #include <iostream> using namespace cv; #include <iostream> #include <cstdlib> using namespace std; int main(int artc, char** argv) { face_detect_h

Java+opencv3.2.0实现人脸检测功能

说到人脸检测,首先要了解Haar特征分类器.Haar特征分类器说白了就是一个个的xml文件,不同的xml里面描述人体各个部位的特征值,比如人脸.眼睛等等.OpenCV3.2.0中提供了如下特征文件: haarcascade_eye.xml haarcascade_eye_tree_eyeglasses.xml haarcascade_frontalcatface.xml haarcascade_frontalcatface_extended.xml haarcascade_frontalface