OpenCV 人脸检测级联分类器解读

忘是亡心i 2022-07-13 11:54 234阅读 0赞

**1.基本概念**  
opencv中的人脸检测使用基于Harr的级联分类和基于LBP的级联分类。  
Harr是在2001年，由Viola和Jones等人提出的，它的脸部检测的基本思想是：对于面部正面的大部分区域而言，会有眼睛所在的区域比前额和脸颊更暗，嘴巴应该比脸颊更暗等情况。和这样类似的比较大约有20个，通过这样的比较决定该区域是否为人脸。  
LBP是在2006年由Ahonen等人提出的，相比于Harr，LBP有更快的速度。通过比较想读亮度直方图来确定是否为人脸。但是对于稳定性，LBP要弱于前者。  
Opencv自带训练好的人脸检测模型，存储在sources/data/haarcascades文件夹和sources/data/lbpcascades文件夹下。其中几个.xml文件如下：  
人脸检测器（默认）：haarcascade\_frontalface\_default.xml  
人脸检测器（快速Harr）：haarcascade\_frontalface\_alt2.xml  
人脸检测器（侧视）：haarcascade\_profileface.xml  
眼部检测器（左眼）：haarcascade\_lefteye\_2splits.xml  
眼部检测器（右眼）：haarcascade\_righteye\_2splits.xml  
嘴部检测器：haarcascade\_mcs\_mouth.xml  
鼻子检测器：haarcascade\_mcs\_nose.xml  
身体检测器：haarcascade\_fullbody.xml  
人脸检测器（快速LBP）：lbpcascade\_frontalface.xml

**2.如何使用**

2.1 加载一个检测器：应用CascadeClassifier并实例化，写入文件路径并加载。

CascadeClassifier face_cascade;
    String face_cascade_name = "C:\\Program Files\\OpenCV2.4.11\\opencv\\sources\\data\\lbpcascades\\lbpcascade_frontalface.xml";  
    face_cascade.load( face_cascade_name );

2.2 图像预处理：灰度变换，收缩尺寸和直方图均衡化

cvtColor( frame, frame_gray, CV_BGR2GRAY );
    const int DETECTION_WIDTH = 320;
    Mat smallImg;
    float scale = frame_gray.cols/(float)DETECTION_WIDTH;
    if (frame_gray.cols>DETECTION_WIDTH)
    {
    	int scaledHeight = cvRound(frame_gray.rows/scale);
    	resize(frame_gray,smallImg.size(DETECTION_WIDTH,scaledHeight));
    }
    else
    {
    	smallImg = frame_gray;
    }
    Mat equalizedImg;
    equalizeHist( smallImg , equalizedImg);

2.3人脸检测

std::vector<Rect> faces;
    face_cascade.detectMultiScale( equalizedImg, faces, 1.1, 2, 0, Size(80, 80) );

此时检测结果保存在faces这个vector容器中。

**3.几个使用技巧**  
3.1 在加载检测器时通常由于路径问题容易产生错误，最好有一个提醒或异常捕获机制。

face_cascade.load( face_cascade_name );
    	if( !face_cascade.load( face_cascade_name ) )
    	{ printf("--(!)Error loading\n"); return -1; };

或者

try {   
    		face_cascade.load( face_cascade_name );
    	} catch (cv::Exception &e) {}
    	if ( face_cascade_name.empty() ) {
    		printf("--(!)Error loading\n"); return -1; 
    		exit(1);
    	}

3.2根据情况设置参数  
detectMultiScale函数原型如下：

CV_WRAP virtual void detectMultiScale( const Mat& image,
                          CV_OUT vector<Rect>& objects,
                          double scaleFactor=1.1,
                          int minNeighbors=3, int flags=0,
                          Size minSize=Size(),
                          Size maxSize=Size() );

其中：  
minSize=Size()和maxSize=Size()： 决定了检测到的最小和最大的人脸大小，如果图片中人脸距离相机较远，把minSize参数设置为=Size(20,20)  
scaleFactor：参数决定由多少不同大小的人脸要搜索，通常为1.1  
minNeighbors： 决定着人脸检测器如何确定人脸已经被找到，默认值是3，如果改为4的话，将会使检测的正确率增加，但是漏检率也可能增加，可以理解为参数越大，判断的条件越苛刻。  
flags：是否要检测所有人脸。