【OpenCV3】級聯分類器目標檢測——cv::CascadeClassifier簡介
阿新 • • 發佈:2019-02-10
Cascade級聯分類器是一種快速簡單的分類方法,opencv2和opencv3中提供了完整的cascade分類器的訓練和檢測方法,本篇主要介紹下級聯分類器的檢測方法。
opencv中用於級聯分類的類是cv::CascadeClassifier,下面以人臉識別為例,簡單介紹下這個類的使用方法。
程式碼如下:
//定義級聯分類器 cv::CascadeClassifier face_detector; //加在分類器 face_detector.load("haarcascade_frontalface_default.xml"); //判斷分類器是否載入成功 if (face_detector.empty()) { std::cerr << "load detector failed!!!" << std::endl; return; } //獲取訓練集的原始尺寸,作為分類器的最小尺寸,這樣能得到最佳的檢測效果(不是必須的) cv::Size original_size = face_detector.getOriginalWindowSize(); cv::Mat image = cv::imread("image.png", cv::IMREAD_COLOR); cv::Mat image_gray; cv::cvtColor(image, image_gray, cv::COLOR_BGR2GRAY); //用於儲存檢測到的目標視窗 std::vector<cv::Rect> faces; //進行多尺度人臉檢測 face_detector.detectMultiScale(image_gray, faces, 1.1, 3, 0 | cv::CASCADE_SCALE_IMAGE, original_size); //將檢測到的目標視窗逐個繪製到原圖上 for (size_t i = 0; i < faces.size(); i++) { cv::rectangle(image, faces[i], cv::Scalar(0, 0, 255), 2, 8, 0); } cv::imshow("detect result", image); cv::waitKey(0);
opencv3安裝目錄下有個etc資料夾,這個資料夾下有兩個資料夾,分別儲存了基於haar特徵和lbp特徵訓練得到的多種目標檢測的分類器的xml檔案,其中就有人臉檢測的分類器,可以拿過來直接用。當然我們也可以使用訓練集,訓練自己的分類器。這裡我們就選擇一個基於haar特徵的人臉分類器來進行測試和說明。
cv::CascadeClassifier通過load()成員函式讀取分類器,然後就可以使用detectMultiScale()成員函式進行多尺度的級聯分類檢測。detectMultiScale()的呼叫方法如下:
cv::CascadeClassifier::detectMultiScale( const cv::Mat& image, // 輸入待檢測的影象(灰度) vector<cv::Rect>& objects, // 輸出的目標視窗 double scaleFactor = 1.1, // 尺度係數 int minNeighbors = 3, // 需要的鄰域數 int flags = 0, // flag (舊風格的cascades) cv::Size minSize = cv::Size(), // 最小檢測視窗 cv::Size maxSize = cv::Size() // 最大檢測視窗 );
檢測結果:
2017.04.12