前言

1.OpenCV官方訓練好的人臉和眼睛的級聯分類器，3.30的版本都放在opencv\sources\data這個文件夾下，在OpenCV這個文件夾中，主要有 Haar特征 和 LBP特征進行人臉檢測，其中“lbpcascades”，“haarcascades”，“hogcascades”，這三個文件夾，分別放表示通過“haar”、“hog”和“lbp”三種不同的特征而訓練出的分類器。"haar"特征主要用于人臉檢測，“hog”特征主要用于行人檢測，“lbp”特征主要用于人臉識別。
2.人臉檢測用的“haarcascades”文件夾里有檢測正臉的，檢測眼睛的，檢測嘴巴的，檢測笑臉的等幾種分類器，這里我只試了常用的人臉檢測器和眼睛的檢測器。
3.我用的是OpenCV3.30這個，IDE是vs2015,Win7 64位，boost庫，其中boost是用來操作文件的，為了方便測試整個文件夾的圖像，實現語言是C++。

一、資源準備

1.從網上下載帶有人臉的圖像和不帶人臉的圖像，圖像大小沒有什么要求，我這里是壁紙網站下載的美女壁紙，如下圖：

2.找到自己安裝的OpenCV的源碼文件夾，在源碼文件下有個Data的目錄，打開目錄下的haarcascades這個文件夾，可以看到里面有官方訓練好的級聯分類器。

二、代碼實現

代碼我這里封裝了一個類，兩個方法，一個用來檢測人臉的，一個用來檢測人臉和眼睛的，然后在main里調用。
1.類聲明部分

#pragma once #include <opencv2/opencv.hpp> #include <opencv2\core\core.hpp> #include <opencv\highgui.h> #include <string> //boost 庫(讀取文件) #include<boost/filesystem.hpp> //定義一個boost庫的命名空間 namespace fs = boost::filesystem; using namespace std; using namespace cv;class FaceDetection { public:~FaceDetection();//人臉和眼睛的構造函數FaceDetection(string _image_path, string _face_path, string _eye_path);//檢測人臉的方法void frontalFaceDetection();//檢測人臉和眼睛的方法void faceAndeye();Mat eyeDetection(Mat image);Mat detection(Mat image); private://人臉檢測的分類器路徑string face_path;//圖像路徑或存放圖像的路徑string image_path;//眼睛的分類器路徑string eye_path;CascadeClassifier face_classifier;CascadeClassifier eye_cascader; };

2.類的實現文件

#include "FaceDetection.h"FaceDetection::FaceDetection(string _image_path, string _face_path, string _eye_path) {face_path = _face_path;//判斷模型路徑fs::path face_xml(face_path);if (!fs::exists(face_xml)){std::cout << "請轉入正確的模型文件路徑！" << std::endl;exit(0);}eye_path = _eye_path;//判斷模型路徑fs::path eye_xml(eye_path);if (!fs::exists(eye_xml)){std::cout << "請轉入正確的模型文件路徑！" << std::endl;exit(0);}image_path = _image_path;//判斷圖像路徑fs::path src(image_path);if (!fs::exists(src)){std::cout << "傳入的圖像路徑錯誤！" << std::endl;exit(0);} }FaceDetection::~FaceDetection() { }void FaceDetection::frontalFaceDetection() {//判斷模型是否能打開if (!face_classifier.load(face_path)){std::cout << "模型文件無法讀取！" << std::endl;exit(0);}//判斷傳入的是否是文件夾if (fs::is_directory(image_path)){fs::recursive_directory_iterator begin_iter(image_path);fs::recursive_directory_iterator end_iter;for (; begin_iter != end_iter; ++begin_iter){string file_path = begin_iter->path().string();if (!fs::is_directory(file_path)){string image_path = begin_iter->path().string();Mat src = imread(image_path);if (!src.empty()){Mat src_image = imread(image_path);Mat image = detection(src_image);imshow("detect faces", image);waitKey(30);}}}}else{Mat src_image = imread(image_path);if(!src_image.empty()){Mat image = detection(src_image);imshow("detect faces", image);waitKey(30);}} }void FaceDetection::faceAndeye() {namedWindow("face_eye", CV_WINDOW_AUTOSIZE);if (fs::is_directory(image_path)){fs::recursive_directory_iterator begin_iter(image_path);fs::recursive_directory_iterator end_iter;for (; begin_iter != end_iter; ++begin_iter){string file_path = begin_iter->path().string();if (!fs::is_directory(file_path)){string image_path = begin_iter->path().string();Mat src = imread(image_path);if (!src.empty()){Mat src_image = imread(image_path);Mat image = eyeDetection(src_image);imshow("face_eye", image);waitKey(30);}}}}else{Mat src_image = imread(image_path);if (!src_image.empty()){Mat image = eyeDetection(src_image);imshow("face_eye", image);waitKey(30);}} }Mat FaceDetection::eyeDetection(Mat frame) {if (!face_classifier.load(face_path)) {std::cout << "無法讀取人臉的分類文件！" << std::endl;exit(0);}if (!eye_cascader.load(eye_path)){std::cout << "無法讀取眼睛的分類文件！" << std::endl;exit(0);}Mat gray;vector<Rect> faces;vector<Rect> eyes;cvtColor(frame, gray, COLOR_BGR2GRAY);equalizeHist(gray, gray);face_classifier.detectMultiScale(gray, faces, 1.2, 3, 0, Size(30, 30));for (size_t t = 0; t < faces.size(); t++) {Rect roi;roi.x = faces[static_cast<int>(t)].x;roi.y = faces[static_cast<int>(t)].y;roi.width = faces[static_cast<int>(t)].width;roi.height = faces[static_cast<int>(t)].height / 2;Mat faceROI = frame(roi);eye_cascader.detectMultiScale(faceROI, eyes, 1.2, 3, 0, Size(20, 20));for (size_t k = 0; k < eyes.size(); k++) {Rect rect;rect.x = faces[static_cast<int>(t)].x + eyes[k].x;rect.y = faces[static_cast<int>(t)].y + eyes[k].y;rect.width = eyes[k].width;rect.height = eyes[k].height;rectangle(frame, rect, Scalar(0, 0, 255), 2, 8, 0);}rectangle(frame, faces[static_cast<int>(t)], Scalar(0, 255, 0), 2, 8, 0);} return frame; }Mat FaceDetection::detection(Mat image) {if (image.empty()){std::cout << "無法打開傳入的圖像文件！" << std::endl;exit(0);}Mat gray;//灰度化cvtColor(image, gray, COLOR_BGR2GRAY);//直方圖均衡化,用于提高圖像的質量/*有時提高了圖像質量之后，檢測的人臉有漏檢的現象*///equalizeHist(gray, gray);//存放檢測到人臉的矩形vector<Rect> faces;//開始檢測face_classifier.detectMultiScale(gray, faces, 1.2, 3, 0, Size(24, 24));//畫出檢測到的矩形的位置for (size_t t = 0; t < faces.size(); t++){rectangle(image, faces[static_cast<int>(t)], Scalar(0, 0, 255), 2, 8, 0);}return image; }

3.main文件

#include "FaceDetection.h" //人臉檢測的分類器 string face_file = "E:/LIB/opencv330/opencv/sources/data/haarcascades/haarcascade_frontalface_alt.xml"; //眼睛檢測的分類器 string eye_file = "E:/LIB/opencv330/opencv/sources/data/haarcascades/haarcascade_eye.xml"; //圖像路徑或目錄 string image_path = "C:/Users/matt/Desktop/face/";int main() {FaceDetection face_eye(image_path,face_file,eye_file);//檢測人臉//face_eye.frontalFaceDetection();//檢測人臉與眼睛的face_eye.faceAndeye();system("pause");return 0; }

三、測試結果

1.人臉檢測，有漏檢的，也有誤檢的。
（1）.有誤檢測了地方。

（2）完全成檢測到人臉。

（3）檢測不到，如果調下參數或用另一個分類能檢測到。

2.人臉與眼睛的檢測效果
（1）完全檢測到人臉和眼睛。

（2）有漏檢測和誤檢測的眼睛。

（3）有檢測不到的眼睛的。

結語

1.檢測結果并不理想，對檢測準確率影響有環境的因素，和傳給檢測器之前的對圖像的處理，設置檢測的分類的參數等。
2.如果要在相對穩定的環境下使用，最好的方法是使用該環境下的人臉樣品自己訓練模型。
3.之后我會試用opencv和caffe的訓練自己的數據模型，看是否能達到官方分類器的準確率。
4.我用的分類器和圖像下載地址：https://download.csdn.net/download/matt45m/11070191 。
5.關于整個工程的源碼，運行程序時的bug,或者有如何優化代碼的想法都可以加這個群(487350510)互相討論學習。

總結

以上是生活随笔為你收集整理的OpenCV3实现人脸识别（一）——基于OpenCV3级联分类器实现人脸检测与眼睛检测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。