(四)OpenCV级联分类器训练与使用_01_Haar与LBP级联分类器原理

Rose ·

更新时间:2024-09-20

· 601 次阅读

①Haar特征与LBP特征
小波特征+对角线特征“类Haar特征”,局部二值模式“替代特征LBP”。 ②级联分类器原理AdaBoost
Viola和Jones,2001在CVPR提出;
一种实时对象(人脸)检测框架;
训练速度非常慢,检测速度非常快;
5000个正向人脸样本与300万个非人脸负样本数据。级联分类器:多个强分类器组合
弱分类器:weak classifier = Feature
强分类器:多个弱分类器的线性组合 ③OpenCV中级联分类器使用CascadeClassifier
加载特征数据
检测特征对象

#include 
#include 
using namespace std;
using namespace cv;
String fileName = "haarcascade_frontalface_alt.xml";//当前项目文件下的xml文件//opencv自带训练好的人脸识别级联器
CascadeClassifier face_cascade;//定义用来做目标检测的级联分类器的一个类
int main(int argc, char** argv)
{
	if (!face_cascade.load(fileName)) //检测级联器是否加载成功
	{
		printf("could not load face feature data...\n");
		return -1;
	}
	Mat src,gray;
	src = imread("../path.jpg");
	if (src.empty())
	{
		cout << "could not load image1..." << endl;
		return -2;
	}
	namedWindow("src", WINDOW_AUTOSIZE);
	imshow("src", src);
	cvtColor(src, gray, COLOR_BGR2GRAY);//转换为灰度图
	//直方图均衡化
	equalizeHist(gray, gray);//因为积分图像特征基于矩形区域的差,如果直方图是不平衡的,这些差异就有可能由于整体光照或者测试图像的曝光而倾斜,所以这一步非常重要
	vector faces;
	//利用detectMultiScale搜索图像
	face_cascade.detectMultiScale(gray, //灰度图像
								  faces, //vector边界矩形
								  1.1,//scaleFactor表示每次图像尺寸减小的比例
								  3, //minNeighbors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)
								  0, //flags 旧版本OpenCV 1.x级联工具
								  Size(30, 30)); //目标的最小尺寸
	for (size_t i = 0; i < faces.size(); i++)
	{
		//检索到人脸则画圆形
		Point center(faces[i].x + faces[i].width*0.5, faces[i].y + faces[i].height*0.5);
		ellipse(src, center, Size(faces[i].width*0.5, faces[i].height*0.5), 0, 0, 360, Scalar(0,255,255), 4, 8, 0);
	}
	imshow("Face_detect", src);
	waitKey(0);
	return 0;
}

输出结果:
在这里插入图片描述