如何快糙好猛的使用Shiqi.Yu老师的公开人脸检测库（附源码）

前言

本次编写所用的库为于仕祺老师免费提供的人脸检测库。真心好用，识别率和识别速度完全不是Opencv自带的程序能够比拟的。将其配合Opencv的EigenFace算法，基本上可以形成一个小型的毕业设计。（我是学机械的啊喂！！）

准备工作

1、下载在GitHub上的人脸检测库。我不提供百度云，只提供网址：https://github.com/ShiqiYu/libfacedetection。
2、配置好Opencv。

配置人脸检测库

1、新建一个MFC程序。
这里写图片描述
2、添加Opencv的属性表。（即配置Opencv）

3、新建一个属性表，命名为libfacedetect。需要注意的是，libfacedetect只可用Win32平台。在VC++目录添加libfacedetect_master中include文件夹和lib库的位置。

4、在链接器中添加附加依赖项。
这里写图片描述

试编写

1、向MFC中添加一个picture控件，一个button控件，两个Static Text控件。而后向其中一个Static Text添加变量。
这里写图片描述
2、双击button控件，进行代码页面，编写代码。
添加头文件：

 #include <opencv.hpp>#include "facedetect-dll.h"#pragma comment(lib,"libfacedetect.lib")
using namespace cv;

增添一个函数：

void detectAndDisplay(Mat frame)
{Mat gray;cvtColor(frame, gray, CV_BGR2GRAY);int * pResults = NULL;pResults = facedetect_frontal_tmp((unsigned char*)(gray.ptr(0)), gray.cols, gray.rows, gray.step,1.2f, 5, 24);printf("%d faces detected.\n", (pResults ? *pResults : 0));//重复运行//print the detection resultsfor (int i = 0; i < (pResults ? *pResults : 0); i++){short * p = ((short*)(pResults + 1)) + 6 * i;int x = p[0];int y = p[1];int w = p[2];int h = p[3];int neighbors = p[4];printf("face_rect=[%d, %d, %d, %d], neighbors=%d\n", x, y, w, h, neighbors);Point left(x, y);Point right(x + w, y + h);rectangle(frame, left, right, Scalar(230, 255, 0), 4);}imshow("ss", frame);}

在按钮事件中填写代码：

VideoCapture cap(0);Mat frame;while (1){//load an image and convert it to gray (single-channel)//Mat gray = imread("lena.png");//it is necessary that must have CV_LOAD_IMAGE_GRAYSCALE//cvtColor(gray, gray, CV_BGR2GRAY);//CV_LOAD_IMAGE_GRAYSCALE IS SAME AS CV_BGR2GRAYcap >> frame;if (!frame.empty()){detectAndDisplay(frame);}int c = waitKey(10);if ((char)c == 'c') { break; }}

（非本人照片）
可以看到，已经检测成功，不过没有在控件上显示。
这里写图片描述

可以通过添加来让其显示到框上。

namedWindow("view", WINDOW_AUTOSIZE);HWND hWnd = (HWND)cvGetWindowHandle("view");HWND hParent = ::GetParent(hWnd);::SetParent(hWnd, GetDlgItem(ID_FACE)->m_hWnd);

这里写图片描述

我们来看看这个函数逆天的检测时间：增添检测时间的代码：

t = (double)cvGetTickCount();
t = (double)cvGetTickCount() - t;
detect_time = t / 1000 / ((double)cvGetTickFrequency()*1000.);
UpdateData(FALSE);

这里写图片描述
于老师最近有一篇文章中写到，他的这个人脸检测库是基于LBP与Boost相结合的。所以如果我们选取了足够多，足够好的样本，参数设置正确的话，识别效果从理论上也能远远高于Opencv自带的。此外就是在最近做项目的过程中，发现人脸检测这一端还是不能用深度学习的方法，其一是DL目前还没有能够很方面移植的硬件，其二是如果在云端进行的话，传输速度将会对识别效率造成影响。