一、关于检测算法
分类器训练：
通过正样本与负样本训练可得到分类器，opencv有编译好的训练Demo，按要求训练即可生成，这里我们直接使用其已经训练好的分类器检测；
检测过程：
检测过程很简单，可以通过两种方式进行检测：
1、缩放图像：根据要检测的人脸尺寸范围对原图进行缩放，然后利用窗口（训练时正样本的尺寸），逐个遍历该尺寸下图像的所有潜在人脸位置，与分类器匹配，若通过每一级强分类器，则为人脸，若不能通过任何一级强分类器，则被判定不是人脸；
2、缩放特征：与缩放图像类似，不同的是缩放图像方式遍历的窗口是固定大小的（与正样本大小有关），图像在缩放，而缩放特征是图像不变，特征窗口在缩放；
不同点：缩放特征，积分图只需计算一次，不需要频繁缩放图像；
二、基于的OpenCV的检测Demo
先利用OpenCV的接口调用一下检测算法，测试一下，后续考虑移植其源代码为C语言版本，个人觉得C语言版本的算法较易理解，易于阅读；
#include <opencv/highgui.h> #include <opencv/cv.h> #include <opencv2/imgproc/imgproc_c.h> #include <opencv2/objdetect/objdetect.hpp> using namespace cv; int main(int argc, char** argv) { CascadeClassifier stFaceCascade; IplImage *pstImage = NULL; std::vector<Rect> faceRects; if( !stFaceCascade.load("D:\\ProgramFiles\\develop\\opencv2.4.8\\sources\\data\\lbpcascades\\lbpcascade_frontalface.xml") ) { printf("Loading cascade error\n"); return -1; } pstImage = cvLoadImage("D:\\test.jpg", CV_LOAD_IMAGE_COLOR); stFaceCascade.detectMultiScale(pstImage, faceRects, //检出结果 1.1, //缩放步长 2, //框融合时的最小检出个数 0|CV_HAAR_SCALE_IMAGE,//标志 |CV_HAAR_FIND_BIGGEST_OBJECT|CV_HAAR_DO_ROUGH_SEARCH|CV_HAAR_DO_CANNY_PRUNING Size(30, 30), //最小人脸尺寸 Size(300, 300) ); //最大人脸尺寸 printf("Face Num[%d]\n", faceRects.size()); for( unsigned int j = 0; j < faceRects.size(); j++ ) { cvRectangle(pstImage, cvPoint(faceRects[j].x, faceRects[j].y), cvPoint(faceRects[j].x + faceRects[j].width, faceRects[j].y + faceRects[j].height), cvScalar(0,255,0), 2,8,0); } cvShowImage("FDWin", pstImage); cvWaitKey(0); cvReleaseImage(&pstImage); return 0; }
三、检测结果
本文转自风一样的码农博客园博客，原文链接：http://www.cnblogs.com/chenpi/p/5128232.html，如需转载请自行联系原作者
