C++怎么利用opencv实现人脸检测功能

本篇内容主要讲解“C++怎么利用opencv实现人脸检测功能”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“C++怎么利用opencv实现人脸检测功能”吧!

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

#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 ); }

到此，相信大家对“C++怎么利用opencv实现人脸检测功能”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！