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/haarcascades目录下有没有出现几个训练集.XML文件，接下来我拿人脸和眼睛检测作为实例玩一下，程序如下：
好多人不会编译opencv，我再多写几句解决一下好多菜鸟的困难吧
copy完代码之后，保存为xiaorun.cpp哦，记得编译试用个g++ -o xiaorun ./xiaorun.cpp -lopencv_highgui -lopenc_imgproc -lopencv_core -lopencv_objdetect
即可实现
?
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
|
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/objdetect/objdetect.hpp>
#include <iostream>
using namespace cv;
using namespace std;
void detectAndDraw( Mat& img, CascadeClassifier& cascade,
CascadeClassifier& nestedCascade,
double scale, bool tryflip );
int main()
{
CascadeClassifier cascade, nestedCascade;
bool stop = false;
cascade.load("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt.xml");
nestedCascade.load("/usr/share/opencv/haarcascades/haarcascade_eye.xml");
// frame = imread("renlian.jpg");
VideoCapture cap(0); //打开默认摄像头
if(!cap.isOpened())
{
return -1;
}
Mat frame;
Mat edges;
while(!stop)
{
cap>>frame;
detectAndDraw( frame, cascade, nestedCascade,2,0 );
if(waitKey(30) >=0)
stop = true;
imshow("cam",frame);
}
//CascadeClassifier cascade, nestedCascade;
// bool stop = false;
//训练好的文件名称，放置在可执行文件同目录下
// cascade.load("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt.xml");
// nestedCascade.load("/usr/share/opencv/haarcascades/aarcascade_eye.xml");
// frame = imread("renlian.jpg");
// detectAndDraw( frame, cascade, nestedCascade,2,0 );
// waitKey();
//while(!stop)
//{
// cap>>frame;
// detectAndDraw( frame, cascade, nestedCascade,2,0 );
if(waitKey(30) >=0)
stop = true;
//}
return 0;
}
void detectAndDraw( Mat& img, CascadeClassifier& cascade,
CascadeClassifier& nestedCascade,
double scale, bool tryflip )
{
int i = 0;
double t = 0;
//建立用于存放人脸的向量容器
vector<Rect> faces, faces2;
//定义一些颜色，用来标示不同的人脸
const static Scalar colors[] = {
CV_RGB(0,0,255),
CV_RGB(0,128,255),
CV_RGB(0,255,255),
CV_RGB(0,255,0),
CV_RGB(255,128,0),
CV_RGB(255,255,0),
CV_RGB(255,0,0),
CV_RGB(255,0,255)} ;
//建立缩小的图片，加快检测速度
//nt cvRound (double value) 对一个double型的数进行四舍五入，并返回一个整型数！
Mat gray, smallImg( cvRound (img.rows/scale), cvRound(img.cols/scale), CV_8UC1 );
//转成灰度图像，Harr特征基于灰度图
cvtColor( img, gray, CV_BGR2GRAY );
// imshow("灰度",gray);
//改变图像大小，使用双线性差值
resize( gray, smallImg, smallImg.size(), 0, 0, INTER_LINEAR );
// imshow("缩小尺寸",smallImg);
//变换后的图像进行直方图均值化处理
equalizeHist( smallImg, smallImg );
//imshow("直方图均值处理",smallImg);
//程序开始和结束插入此函数获取时间，经过计算求得算法执行时间
t = (double)cvGetTickCount();
//检测人脸
//detectMultiScale函数中smallImg表示的是要检测的输入图像为smallImg，faces表示检测到的人脸目标序列，1.1表示
//每次图像尺寸减小的比例为1.1，2表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大
//小都可以检测到人脸),CV_HAAR_SCALE_IMAGE表示不是缩放分类器来检测，而是缩放图像，Size(30, 30)为目标的
//最小最大尺寸
cascade.detectMultiScale( smallImg, faces,
1.1, 2, 0
//|CV_HAAR_FIND_BIGGEST_OBJECT
//|CV_HAAR_DO_ROUGH_SEARCH
|CV_HAAR_SCALE_IMAGE
,Size(30, 30));
//如果使能，翻转图像继续检测
if( tryflip )
{
flip(smallImg, smallImg, 1);
// imshow("反转图像",smallImg);
cascade.detectMultiScale( smallImg, faces2,
1.1, 2, 0
//|CV_HAAR_FIND_BIGGEST_OBJECT
//|CV_HAAR_DO_ROUGH_SEARCH
|CV_HAAR_SCALE_IMAGE
,Size(30, 30) );
for( vector<Rect>::const_iterator r = faces2.begin(); r != faces2.end(); r++ )
{
faces.push_back(Rect(smallImg.cols - r->x - r->width, r->y, r->width, r->height));
}
}
t = (double)cvGetTickCount() - t;
// qDebug( "detection time = %g ms\\n", t/((double)cvGetTickFrequency()*1000.) );
for( vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++, i++ )
{
Mat smallImgROI;
vector<Rect> nestedObjects;
Point center;
Scalar color = colors[i%8];
int radius;
double aspect_ratio = (double)r->width/r->height;
if( 0.75 < aspect_ratio && aspect_ratio < 1.3 )
{
//标示人脸时在缩小之前的图像上标示，所以这里根据缩放比例换算回去
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);
circle( img, center, radius, color, 3, 8, 0 );
}
else
rectangle( img, cvPoint(cvRound(r->x*scale), cvRound(r->y*scale)),
cvPoint(cvRound((r->x + r->width-1)*scale), cvRound((r->y + r->height-1)*scale)),
color, 3, 8, 0);
if( nestedCascade.empty() )
continue;
smallImgROI = smallImg(*r);
//同样方法检测人眼
nestedCascade.detectMultiScale( smallImgROI, nestedObjects,
1.1, 2, 0
//|CV_HAAR_FIND_BIGGEST_OBJECT
//|CV_HAAR_DO_ROUGH_SEARCH
//|CV_HAAR_DO_CANNY_PRUNING
|CV_HAAR_SCALE_IMAGE
,Size(30, 30) );
for( vector<Rect>::const_iterator nr = nestedObjects.begin(); nr != nestedObjects.end(); nr++ )
{
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);
circle( img, center, radius, color, 3, 8, 0 );
}
}
// imshow( "识别结果", img );
}
|
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快网idc。
相关文章
猜你喜欢
- ASP.NET本地开发时常见的配置错误及解决方法？ 2025-06-10
- ASP.NET自助建站系统的数据库备份与恢复操作指南 2025-06-10
- 个人网站服务器域名解析设置指南：从购买到绑定全流程 2025-06-10
- 个人网站搭建：如何挑选具有弹性扩展能力的服务器？ 2025-06-10
- 个人服务器网站搭建：如何选择适合自己的建站程序或框架？ 2025-06-10
