本文由@星沉閣冰不語出品，轉載請註明作者和出處。

之前一直覺得人臉檢測是非常麻煩的，即使是用opencv，麻煩到我都不敢去碰。這兩天仔細看了下，如果只是呼叫opencv自帶的分類器和函式的話，簡直是簡單。這不，正好最近也在學習Python，索性就用C++和Python兩種語言都實現一下。當然，我現在這個是最簡單的版本。

步驟：

呼叫opencv訓練好的分類器和自帶的檢測函式檢測人臉人眼等的步驟簡單直接：

1.載入分類器，當然分類器事先要放在工程目錄中去。分類器本來的位置是在*\opencv\sources\data\haarcascades（harr分類器，也有其他的可以用，也可以自己訓練）

2.呼叫detectMultiScale()函式檢測，調整函式的引數可以使檢測結果更加精確。

3.把檢測到的人臉等用矩形（或者圓形等其他圖形）畫出來。

主要函式：

這裡面最主要的一個函式就是detectMultiScale()。文件中的解釋如下：

1.image表示的是要檢測的輸入影象

2.objects表示檢測到的人臉目標序列

3.scaleFactor表示每次影象尺寸減小的比例

4. minNeighbors表示每一個目標至少要被檢測到3次才算是真的目標(因為周圍的畫素和不同的視窗大小都可以檢測到人臉),

5.minSize為目標的最小尺寸

6.minSize為目標的最大尺寸

適當調整4,5,6兩個引數可以用來排除檢測結果中的干擾項。

程式：

C++程式如下：

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

using namespace std;
using namespace cv;

/** Function Headers */
void detectAndDisplay(Mat frame);

/** Global variables */
String face_cascade_name = "haarcascade_frontalface_default.xml";
String eyes_cascade_name = "haarcascade_eye_tree_eyeglasses.xml";
CascadeClassifier face_cascade;   //定義人臉分類器
CascadeClassifier eyes_cascade;   //定義人眼分類器
String window_name = "Capture - Face detection";

/** @function main */
int main(void)
{
	Mat frame = imread("2.jpg");

	//VideoCapture capture;
	//Mat frame;

	//-- 1. Load the cascades
	if (!face_cascade.load(face_cascade_name)){ printf("--(!)Error loading face cascade\n"); return -1; };
	if (!eyes_cascade.load(eyes_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;
	//	}

		//-- 3. Apply the classifier to the frame
		detectAndDisplay(frame);

		int c = waitKey(0);
		if ((char)c == 27) { return 0; } // escape
	//}
	return 0;
}

/** @function detectAndDisplay */
void detectAndDisplay(Mat frame)
{
	std::vector<Rect> faces;
	Mat frame_gray;

	cvtColor(frame, frame_gray, COLOR_BGR2GRAY);
	equalizeHist(frame_gray, frame_gray);

	//-- Detect faces
	face_cascade.detectMultiScale(frame_gray, faces, 1.1, 3, CV_HAAR_DO_ROUGH_SEARCH, Size(70, 70),Size(100,100));

	for (size_t i = 0; i < faces.size(); i++)
	{
		//Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2);
		//ellipse(frame, center, Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0);
		rectangle(frame, faces[i],Scalar(255,0,0),2,8,0);
		
		Mat faceROI = frame_gray(faces[i]);
		std::vector<Rect> eyes;

		//-- In each face, detect eyes
		eyes_cascade.detectMultiScale(faceROI, eyes, 1.1, 1, CV_HAAR_DO_ROUGH_SEARCH, Size(3, 3));

		for (size_t j = 0; j < eyes.size(); j++)
		{
			Rect rect(faces[i].x + eyes[j].x, faces[i].y + eyes[j].y, eyes[j].width, eyes[j].height);
			
			//Point eye_center(faces[i].x + eyes[j].x + eyes[j].width / 2, faces[i].y + eyes[j].y + eyes[j].height / 2);
			//int radius = cvRound((eyes[j].width + eyes[j].height)*0.25);
			//circle(frame, eye_center, radius, Scalar(255, 0, 0), 4, 8, 0);
			rectangle(frame, rect, Scalar(0, 255, 0), 2, 8, 0);
		}
	}
	//-- Show what you got
	namedWindow(window_name, 2);
	imshow(window_name, frame);
}
 

import numpy as np
import cv2


face_cascade = cv2.CascadeClassifier("/haarcascade_frontalface_default.xml")
eye_cascade = cv2.CascadeClassifier("/haarcascade_eye_tree_eyeglasses.xml")

img = cv2.imread("/2.jpg")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
                    
faces = face_cascade.detectMultiScale(gray,1.1,5,cv2.CASCADE_SCALE_IMAGE,(50,50),(100,100))

if len(faces)>0:
    for faceRect in faces:
        x,y,w,h = faceRect
        cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2,8,0)

        roi_gray = gray[y:y+h,x:x+w]
        roi_color = img[y:y+h,x:x+w]

        eyes = eye_cascade.detectMultiScale(roi_gray,1.1,1,cv2.CASCADE_SCALE_IMAGE,(2,2))
        for (ex,ey,ew,eh) in eyes:
            cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
            
cv2.imshow("img",img)
cv2.waitKey(0)
 

效果：

最終結果如下圖所示：

知識星球

除了平時發文章之外，也會發一些平時學習過程中其他的參考資料和程式碼，歡迎加入。