前言

由於本文與上一篇OpenCV檢測篇（一）——貓臉檢測具有知識上的連貫性，所以建議沒讀過前一篇的先去閱讀一下前一篇，前面講過的內容這裡會省略掉。

笑臉檢測

其實也沒什麼可省略的，因為跟在opencv中，無論是人臉檢測、人眼檢測、貓臉檢測、行人檢測等等，套路都是一樣的。正所謂：

自古深情留不住，總是套路得人心。

發揮主要作用的函式有且僅有一個：detectMultiScale()。前一篇貓臉檢測中已經提到過這個函式，這裡就不再詳細贅述。

這裡只說一下笑臉檢測的流程，顯然也都是套路：

1.載入人臉檢測器進行人臉檢測

2 載入笑臉檢測器進行笑臉檢測

檢測的時候用的都是同一個函式，也即上述detectMultiScale()

• 笑臉檢測是在人臉檢測之後得到的人臉區域中進行的。我猜它用到的演算法很可能是檢測人的嘴角的姿態，因為笑臉檢測最後的輸出結果就是框住了人上揚的嘴角。

效果展示

更多

這麼多內容作為一篇的話我覺得是不是略少？那就加點內容吧，我把上面的內容用C++又寫了一遍，不同於上面的直接檢測圖片，C++版本是呼叫攝像頭來檢測自己的笑臉。

程式碼獲取

分別是想要親自嘗試一下的朋友可以從我的github上獲取程式碼。如果在這裡複製連結不方便，可以回覆“笑臉檢測程式碼”獲取下載連結。

C++版本：https://github.com/LiuXiaolong19920720/smile-detection-Cpp

Python版本：https://github.com/LiuXiaolong19920720/smile-detection-Python

Python程式碼

# -*- coding=utf-8 -*-
import cv2

# 人臉檢測器
facePath = "lbpcascade_frontalface.xml"
faceCascade = cv2.CascadeClassifier(facePath)

# 笑臉檢測器
smilePath = "haarcascade_smile.xml"
smileCascade = cv2.CascadeClassifier(smilePath)

img = cv2.imread("test.jpg"
 
)  
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 首先檢測人臉，返回的是框住人臉的矩形框
faces = faceCascade.detectMultiScale(
    gray,
    scaleFactor= 1.1,
    minNeighbors=8,
    minSize=(55, 55),
    flags=cv2.CASCADE_SCALE_IMAGE
)

# 畫出每一個人臉，提取出人臉所在區域
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)
    roi_gray = gray[y:y+h, x:x+w]
    roi_color = img[y:y+h, x:x+w]

    # 對人臉進行笑臉檢測
    smile = smileCascade.detectMultiScale(
        roi_gray,
        scaleFactor= 1.16,
        minNeighbors=35,
        minSize=(25, 25),
        flags=cv2.CASCADE_SCALE_IMAGE
    )

    # 框出上揚的嘴角並對笑臉打上Smile標籤
    for (x2, y2, w2, h2) in smile:
        cv2.rectangle(roi_color, (x2, y2), (x2+w2, y2+h2), (255, 0, 0), 2)
        cv2.putText(img,'Smile',(x,y-7), 3, 1.2, (0, 255, 0), 2, cv2.LINE_AA)

cv2.imshow('Smile?', img)
#cv2.imwrite("smile.jpg",img)
c = cv2.waitKey(0)

Ｃ＋＋程式碼

#include<opencv2\opencv.hpp>  
#include <iostream>  
#include <stdio.h>  

using namespace std;
using namespace cv;

String face_cascade_name = "haarcascade_frontalface_default.xml";
String smile_cascade_name = "haarcascade_smile.xml";
CascadeClassifier face_cascade;     
CascadeClassifier smile_cascade;   
String window_name = "Capture - Face detection";

int main()
{
    VideoCapture capture;  
    Mat frame;  

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

    //-- 2. Read the video stream  
    capture.open(0);  
    if (!capture.isOpened()) 
    { 
        printf("--(!)Error opening video capture\n"); 
        return -1; 
    }  

    while (capture.read(frame))
    {
        if (frame.empty())
        {
            printf(" --(!) No captured frame -- Break!");
            break;
        }

        std::vector<Rect> faces;
        Mat frame_gray;

        cvtColor(frame, frame_gray, COLOR_BGR2GRAY);
        equalizeHist(frame_gray, frame_gray);
        face_cascade.detectMultiScale(frame_gray, faces, 1.05, 8, CASCADE_SCALE_IMAGE);

        for (size_t i = 0; i < faces.size(); i++)
        {
            rectangle(frame, faces[i], Scalar(255, 0, 0), 2, 8, 0);

            Mat faceROI = frame_gray(faces[i]);
            std::vector<Rect> smile;

            //-- In each face, detect smile
            smile_cascade.detectMultiScale(faceROI, smile, 1.1, 55, CASCADE_SCALE_IMAGE);

            for (size_t j = 0; j < smile.size(); j++)
            {
                Rect rect(faces[i].x + smile[j].x, faces[i].y + smile[j].y, smile[j].width, smile[j].height);
                rectangle(frame, rect, Scalar(0, 0, 255), 2, 8, 0);
            }
        }
        //-- Show what you got  
        namedWindow(window_name, 2);
        imshow(window_name, frame);
        waitKey(100);
    }
    int c = waitKey(0);
    if ((char)c == 27) { return 0; } 

    return 0;
}

最近申請了微信公眾號，分享機器視覺和機器學習的內容，每一篇都會放出完整的程式碼，感興趣的同學可以掃碼關注。