OpenCV 24 C 人脸识别=分析和总结.docx

OpenCV2.4+C++人脸识别

机器学习

机器学习的目的是把数据转换成信息。

机器学习通过从数据里提取规则或模式来把数据转成信息。

人脸识别

人脸识别通过级联分类器对特征的分级筛选来确定是否是人脸。

每个节点的正确识别率很高，但正确拒绝率很低。

任一节点判断没有人脸特征则结束运算，宣布不是人脸。

全部节点通过，则宣布是人脸。

工业上，常用人脸识别技术来识别物体。

对图片进行识别

#includeopencv2/core/core.hpp

#includeopencv2/objdetect/objdetect.hpp#includeopencv2/highgui/highgui.hpp#includeopencv2/imgproc/imgproc.hpp

#includeiostream#includestdio.h

usingnamespacestd;usingnamespacecv;

stringface_cascade_name=haarcascade_frontalface_alt.xml;CascadeClassifierface_cascade;

stringwindow_name=人脸识别;

voiddetectAndDisplay(Matframe);intmain(intargc,char**argv){

Matimage;

image=imread(argv[1]);

if(argc!=2||!image.data){printf([error]没有图片\n);return-1;

}

if(!face_cascade.load(face_cascade_name)){printf([error]无法加载级联分类器文件！\n);return-1;

}

detectAndDisplay(image);

waitKey(0);

}

voiddetectAndDisplay(Matframe){std::vectorRectfaces;

Matframe_gray;

cvtColor(frame,frame_gray,CV_BGR2GRAY);equalizeHist(frame_gray,frame_gray);

face_cascade.detectMultiScale(frame_gray,faces,1.1,2,0|CV_HAAR_SCALE_IMAGE,Size(30,30));for(inti=0;ifaces.size();i++){

Pointcenter(faces[i].x+faces[i].width*0.5,faces[i].y+faces[i].height*

Pointcenter(faces[i].x+faces[i].width*0.5,faces[i].y+faces[i].height*0.5);

ellipse(frame,center,Size(faces[i].width*0.5,faces[i].height*0.5),0,0,360,Scalar(255,0,255),4,8,0);

}

imshow(window_name,frame);

}

CascadeClassifier类

classCascadeClassifier

用于检测物体的级联分类器类。CascadeClassifier::CascadeClassifier从一个文件读取分类器。

C++:CascadeClassifier::CascadeClassifier(conststringfilename)

参数filename–所要读取分类器文件的文件名

CascadeClassifier::empty

检查分类器是否已经载入。

C++:boolCascadeClassifier::empty()const

CascadeClassifier::load

从一个文件读取分类器。

C++:boolCascadeClassifier::load(conststringfilename)

参数filename–所要读取分类器文件的文件名。文件可以是旧版的HAAR分类器模型也可以是新版的分类器模型。

CascadeClassifier::read

读取一个文件存储节点的分类器。

C++:boolCascadeClassifier::read(constFileNodenode)

CascadeClassifier::