级联分类器训练与使用_01_Haar与与LBP级联分类 级联分类 (四四)OpenCV级联分类器训练与使用 器原理器原理 ①Haar特征与LBP特征 小波特征+对角线特征“类Haar特征”,局部二值模式“替代特征LBP”。 ②级联分类器原理AdaBoost Viola和Jones,2001在CVPR提出; 一种实时对象(人脸)检测框架; 训练速度非常慢,检测速度非常快; 5000个正向人脸样本与300万个非人脸负样本数据。 级联分类器:多个强分类器组合 弱分类器:weak classifier = Feature 强分类器:多个弱分类器的线性组合 ③OpenCV中级联分类器使用CascadeClassifier 加载特征数据 检测特征对象 #include #include using namespace std; using namespace cv; String fileName = "haarcascade_frontalface_alt.xml";//当前项目文件下的xml文件//opencv自带训练好的人脸识别级联器 CascadeClassifier face_cascade;//定义用来做目标检测的级联分类器的一个类 int main(int argc, char** argv) { if (!face_cascade.load(fileName)) //检测级联器是否加载成功 { printf("could not load face feature data...\n"); return -1; } Mat src,gray; src = imread("../path.jpg"); if (src.empty()) { cout << "could not load image1..." << endl; return -2; } namedWindow("src", WINDOW_AUTOSIZE); imshow("src", src); cvtColor(src, gray, COLOR_BGR2GRAY);//转换为灰度图 //直方图均衡化 equalizeHist(gray, gray);//因为积分图像特征基于矩形区域的差,如果直方图是不平衡的,这些差异就有可能由于整体光照或者测 试图像的曝光而倾斜,所以这一步非常重要 vector faces; //利用detectMultiScale搜索图像 face_cascade.detectMultiScale(gray, //灰度图像 faces, //vector边界矩形 1.1,//scaleFactor表示每次图像尺寸减小的比例 3, //minNeighbors表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大小都可以检测到人脸) 0, //flags 旧版本OpenCV 1.x级联工具 Size(30, 30)); //目标的最小尺寸 for (size_t i = 0; i < faces.size(); i++) { //检索到人脸则画圆形 Point center(faces[i].x + faces[i].width*0.5, faces[i].y + faces[i].height*0.5); ellipse(src, center, Size(faces[i].width*0.5, faces[i].height*0.5), 0, 0, 360, Scalar(0,255,255), 4, 8, 0); } imshow("Face_detect", src); waitKey(0); return 0; } 

输出结果: 作者：丶小早