分为两步：
- 从视频中识别人脸和人的眼睛
- 从视频中检测人脸、眼睛、鼻子、嘴巴
1.从视频中识别人脸和人的眼睛
关于视频的操作，主要如下：
定义摄像头->打开摄像头->读取视频帧->转而为对图片的操作（一帧就相当于一幅图片）
复制代码
1
2
3
4
5
6
7
8VideoCapture capture; //定义摄像头捕捉 变量 Mat frame; capture.open(0); //打开摄像头 while (capture.read(frame)) //读取帧 { //进行人脸检测 //显示 }
视频人脸检测的代码：
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85//face_detect_from_video.cpp 定义控制台应用程序的入口点。 //从视频中识别人脸和人的眼睛 #include "stdafx.h" #include "opencv2/objdetect.hpp" #include "opencv2/highgui.hpp" #include "opencv2/imgproc.hpp" #include <stdio.h> using namespace std; using namespace cv; /** Function Headers */ void detectAndDisplay(Mat frame); /** Global variables */ String face_cascade_name, eyes_cascade_name; CascadeClassifier face_cascade; CascadeClassifier eyes_cascade; String window_name = "Capture - Face detection"; /** @function main */ int main(int argc, const char** argv) { face_cascade_name = "./xml/haarcascade_frontalface_alt.xml"; eyes_cascade_name = "./xml/haarcascade_eye.xml"; VideoCapture capture; Mat frame; //-- 1. Load the cascades if (!face_cascade.load(face_cascade_name)) { printf("--(!)Error loading face cascaden"); return -1; }; if (!eyes_cascade.load(eyes_cascade_name)) { printf("--(!)Error loading eyes cascaden"); return -1; }; //-- 2. Read the video stream capture.open(0); //打开摄像头 if (!capture.isOpened()) { printf("--(!)Error opening video capturen"); return -1; } while (capture.read(frame)) //读取帧 { if (frame.empty()) { printf(" --(!) No captured frame -- Break!"); break; } //-- 3. Apply the classifier to the frame detectAndDisplay(frame); if (waitKey(10) == 'k') { break; } // escape } return 0; } /** @function detectAndDisplay */ void detectAndDisplay(Mat frame) { std::vector<Rect> faces; Mat frame_gray; cvtColor(frame, frame_gray, COLOR_BGR2GRAY); //BGR 转化为灰度图 equalizeHist(frame_gray, frame_gray); //直方图均衡化 //-- Detect faces face_cascade.detectMultiScale(frame_gray, faces, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(60, 60)); 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); // 人脸中心坐标 ellipse(frame, center, Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0); // 椭圆 Mat faceROI = frame_gray(faces[i]); std::vector<Rect> eyes; //-- In each face, detect eyes eyes_cascade.detectMultiScale(faceROI, eyes, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30)); for (size_t j = 0; j < eyes.size(); j++) { Point eye_center(faces[i].x + eyes[j].x + eyes[j].width / 2, faces[i].y + eyes[j].y + eyes[j].height / 2); //眼睛的中心 int radius = cvRound((eyes[j].width + eyes[j].height)*0.25); //取整 circle(frame, eye_center, radius, Scalar(255, 0, 0), 4, 8, 0); } } //-- Show what you got imshow(window_name, frame); }
运行结果：
丑拒(#^.^#)
2. 从视频中检测人脸、眼睛、鼻子、嘴巴
将上述第一部分的从视频中识别人脸和眼睛，再加上鼻子、嘴巴等的识别，可实现从视频中检测人脸特征。
代码如下：
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126//face_recog_from_video.cpp 定义控制台应用程序的入口点。 #include "stdafx.h" #include "opencv2/objdetect.hpp" #include "opencv2/highgui.hpp" #include "opencv2/imgproc.hpp" #include <stdio.h> #include<iostream> using namespace std; using namespace cv; /** Function Headers */ void detectAndDisplay(Mat frame); /** Global variables */ String face_cascade_name, eyes_cascade_name, nose_cascade_name , mouth_cascade_name; CascadeClassifier face_cascade; CascadeClassifier eyes_cascade; CascadeClassifier nose_cascade; CascadeClassifier mouth_cascade; String window_name = "Capture - Face detection"; /** @function main */ int main(int argc, const char** argv) { face_cascade_name = "./xml/haarcascade_frontalface_alt.xml"; eyes_cascade_name = "./xml/haarcascade_eye.xml"; nose_cascade_name = "./xml/haarcascade_mcs_nose.xml"; mouth_cascade_name = "./xml/haarcascade_mcs_mouth.xml"; VideoCapture capture; Mat frame; //-- 1. Load the cascades if (!face_cascade.load(face_cascade_name)) { printf("--(!)Error loading face cascaden"); return -1; }; if (!eyes_cascade.load(eyes_cascade_name)) { printf("--(!)Error loading eyes cascaden"); return -1; }; if (!nose_cascade.load(nose_cascade_name)) { printf("--(!)Error loading nose cascaden"); return -1; }; if (!mouth_cascade.load(mouth_cascade_name)) { printf("--(!)Error loading mouth cascaden"); return -1; }; //-- 2. Read the video stream capture.open(0); //打开摄像头 if (!capture.isOpened()) { printf("--(!)Error opening video capturen"); return -1; } while (capture.read(frame)) //读取帧 { if (frame.empty()) { printf(" --(!) No captured frame -- Break!"); break; } //-- 3. Apply the classifier to the frame detectAndDisplay(frame); if (waitKey(10) == 'k') { break; } // escape } return 0; } /** @function detectAndDisplay */ void detectAndDisplay(Mat frame) { std::vector<Rect> faces; Mat frame_gray; cvtColor(frame, frame_gray, COLOR_BGR2GRAY); //BGR 转化为灰度图 equalizeHist(frame_gray, frame_gray); //直方图均衡化 //-- Detect faces face_cascade.detectMultiScale(frame_gray, faces, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(60, 60)); 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); // 人脸中心坐标 ellipse(frame, center, Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0); // 椭圆 Mat faceROI = frame_gray(faces[i]); std::vector<Rect> eyes; std::vector<Rect> noses; std::vector<Rect> mouths; //-- In each face, detect eyes、nose、mouth eyes_cascade.detectMultiScale(faceROI, eyes, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30)); nose_cascade.detectMultiScale(faceROI, noses, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30)); mouth_cascade.detectMultiScale(faceROI, mouths, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30)); // eyes Point eye_center; for (size_t j = 0; j < eyes.size(); j++) { eye_center = Point(faces[i].x + eyes[j].x + eyes[j].width / 2, faces[i].y + eyes[j].y + eyes[j].height / 2); //眼睛的中心 if (eye_center.x>faces[i].x && eye_center.y > faces[i].y) // 确保眼睛在脸上，其实前边检测时，已经保证了这一点 { int radius = cvRound((eyes[j].width + eyes[j].height)*0.25); //取整 circle(frame, eye_center, radius, Scalar(255, 0, 0), 4, 8, 0); } } // nose Point nose_center; if (noses.size() > 0) { nose_center = Point(faces[i].x + noses[0].x + noses[0].width / 2, faces[i].y + noses[0].y + noses[0].height / 2); //鼻子的中心 if (nose_center.y > eye_center.y) //确保鼻子在眼睛下边 { rectangle(frame, Point(faces[i].x + noses[0].x, faces[i].y+ noses[0].y), Point(faces[i].x + noses[0].x + noses[0].width, faces[i].y + noses[0].y + noses[0].height), Scalar(0, 255, 0), 3, 8, 0); //Point(noses[0].x, noses[0].y), Point(noses[0].x + noses[0].width, noses[0].y + noses[0].height) //int radius = cvRound((noses[0].width + noses[0].height)*0.25); //取整 //circle(frame, nose_center, radius, Scalar(0, 255,0), 4, 8, 0); std::cout << "nose!n"; } } // mouth if (mouths.size() > 0) { Point mouth_center(faces[i].x + mouths[0].x + mouths[0].width / 2, faces[i].y + mouths[0].y + mouths[0].height / 2); //嘴巴的中心 if (mouth_center.y > nose_center.y) // 确保嘴巴在鼻子下边 { int radius = cvRound((mouths[0].width + mouths[0].height)*0.25); //取整 circle(frame, mouth_center, radius, Scalar(0, 0, 255), 4, 8, 0); std::cout << "mouth!n"; } } } //-- Show what you got imshow(window_name, frame); }
运行结果：
丑拒(#^.^#)
由结果可看出，较好的检测出来人脸及人脸特征，其中，粉色区域为face、蓝色为eye、绿色为nose、红色为mouth。
但多次试验会发现，误判的概率很高，所以模型与程序尚有较大改进空间。
注意：要对眼睛嘴巴鼻子的位置进行限定，可一定程度上减少误判。
最后
以上就是粗心心锁最近收集整理的关于【OpenCV人脸识别2】从视频中检测人脸的全部内容，更多相关【OpenCV人脸识别2】从视频中检测人脸内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
![[OpenCV] cv::VideoCapture中read和grab+retrieve的区别说明：例子：小结：](/uploads/reation/bcimg8.png)
发表评论 取消回复