一．人脸的Haar特征分类器是什么

人脸的Haar特征分类器就是一个XML文件，该文件中会描述人脸的Haar特征值。当然Haar特征的用途可不止可以用来描述人脸这一种，用来描述眼睛，嘴唇或是其它物体也是可以的。

 

二．在哪找人脸的Haar特征分类器

OpenCV有已经自带了人脸的Haar特征分类器。OpenCV安装目录中的\data\ haarcascades目录下的haarcascade_frontalface_alt.xml与haarcascade_frontalface_alt2.xml都是用来检测人脸的Haar分类器。这个haarcascades目录下还有人的全身，眼睛，嘴唇的Haar分类器。读者可以仿照本方的例子来试验下效果看看。

 

三．怎么用人脸的Haar特征分类器

使用人脸的Haar特征分类器非常之简单，直接使用cvHaarDetectObjects。下面来看看这个函数的介绍：

函数功能：检测图像中的目录

函数原型：

CVAPI(CvSeq*) cvHaarDetectObjects(
  const CvArr* image,
  CvHaarClassifierCascade* cascade,
  CvMemStorage* storage,
  double scale_factor CV_DEFAULT(1.1),
  int min_neighbors CV_DEFAULT(3),
  int flags CV_DEFAULT(0),
  CvSize min_size CV_DEFAULT(cvSize(0,0)),
  CvSize max_size CV_DEFAULT(cvSize(0,0))
);

函数说明：

第一个参数表示输入图像，尽量使用灰度图以加快检测速度。

第二个参数表示Haar特征分类器，可以用cvLoad()函数来从磁盘中加载xml文件作为Haar特征分类器。

第三个参数为CvMemStorage类型，大家应该很熟悉这个CvMemStorage类型了，《OpenCV入门指南》中很多文章都介绍过了。

第四个参数表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%

第五个参数表示构成检测目标的相邻矩形的最小个数(默认为3个)。如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，这种设定值一般用在用户自定义对检测结果的组合程序上。

第六个参数要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，因此这些区域通常不会是人脸所在区域。

第七个，第八个参数表示检测窗口的最小值和最大值，一般设置为默认即可。

函数返回值：

函数将返回CvSeq对象，该对象包含一系列CvRect表示检测到的人脸矩形。

 

四．人脸检测示例代码

// 基于Haar分类器的OpenCV人脸检测实例 
#include <opencv2/opencv.hpp>  
#include <cstdio>  
#include <cstdlib>  
#include <Windows.h>  
using namespace std;
int main()
{
	// 加载Haar特征检测分类器  
	// haarcascade_frontalface_alt.xml是OpenCV自带的分类器 
	CvHaarClassifierCascade *pHaarCascade;
	const char *pstrCascadeFileName = "F:\\Software\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml";
	pHaarCascade = (CvHaarClassifierCascade*)cvLoad(pstrCascadeFileName);

	// 加载图像  
	const char *pstrImageName = "J:\\faceImage\\318753-130PZZ44879.jpg";
	IplImage *pSrcImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_UNCHANGED);
	// 转为灰度图像
	IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
	cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);

	// 人脸检测与标记  
	if (pHaarCascade != NULL)
	{
		CvScalar FaceCirclecolors[] =
		{
			{ { 0, 0, 255 } },
			{ { 0, 128, 255 } },
			{ { 0, 255, 255 } },
			{ { 0, 255, 0 } },
			{ { 255, 128, 0 } },
			{ { 255, 255, 0 } },
			{ { 255, 0, 0 } },
			{ { 255, 0, 255 } }
		};

		CvMemStorage *pcvMStorage = cvCreateMemStorage(0);
		cvClearMemStorage(pcvMStorage);
		// 识别  
		DWORD dwTimeBegin, dwTimeEnd;
		dwTimeBegin = GetTickCount();
		//返回CvSeq对象，该对象包含一系列CvRect表示检测到的人脸矩形
		CvSeq *pcvSeqFaces = cvHaarDetectObjects(pGrayImage, pHaarCascade, pcvMStorage);
		dwTimeEnd = GetTickCount();

		printf("人脸个数: %d   识别用时: %d ms\n", pcvSeqFaces->total, dwTimeEnd - dwTimeBegin);

		// 标记  
		for (int i = 0; i <pcvSeqFaces->total; i++)
		{
			CvRect* r = (CvRect*)cvGetSeqElem(pcvSeqFaces, i);
			CvPoint center;
			int radius;
			center.x = cvRound((r->x + r->width * 0.5));
			center.y = cvRound((r->y + r->height * 0.5));
			radius = cvRound((r->width + r->height) * 0.25);
			cvCircle(pSrcImage, center, radius, FaceCirclecolors[i % 8], 2);
		}
		cvReleaseMemStorage(&pcvMStorage);
	}

	const char *pstrWindowsTitle = "人脸识别";
	cvNamedWindow(pstrWindowsTitle, CV_WINDOW_AUTOSIZE);
	cvShowImage(pstrWindowsTitle, pSrcImage);

	cvWaitKey(0);

	cvDestroyWindow(pstrWindowsTitle);
	cvReleaseImage(&pSrcImage);
	cvReleaseImage(&pGrayImage);
	return 0;
}


五．人脸检测程序运行结果

opencv行人检测准吗_人脸识别