Windows环境利用 OpenCV 中 CascadeClassifier 分类器识别人脸 c++

Windows环境中配置OpenCV

关于在Windows环境中配置opencv的说明，具体可以参考：VS2022 配置OpenCV开发环境详细教程。

CascadeClassifier 分类器

CascadeClassifier 是 OpenCV 库中的一个类，它用于实现一种快速的物体检测算法，称为级联分类器。这种分类器通常用于面部识别、行人检测等任务。级联分类器由多个阶段组成，每个阶段都包含一组分类器，通常是基于Haar 特征或 HOG 特征的简单分类器。这些分类器被训练来识别物体的不同特征。

级联分类器的工作原理如下：
初始化阶段：使用一个较大的窗口在图像中滑动，寻找可能包含目标物体的区域。
分类器级联：每个阶段的分类器都会对候选区域进行分类，如果候选区域通过当前阶段的分类器，它将被传递到下一个阶段的分类器。如果候选区域被拒绝，它将被排除。
多尺度检测：在不同的缩放级别上重复这个过程，以检测不同大小的目标物体。
非极大值抑制：在所有阶段完成后，可能会有多个重叠的候选区域被检测到。非极大值抑制用于选择最佳的候选区域。

使用CascadeClassifier 的基本步骤包括：
加载一个预先训练好的分类器模型，这通常是一个 .xml 文件。
使用分类器检测图像中的物体。
根据需要调整参数，比如窗口大小、缩放因子等。

利用CascadeClassifier 人脸识别

验证VS2022是否配置好OpenCV环境
读入一张本地图片，并显示，如下：

#include <opencv2/opencv.hpp>
int main()
{Mat img = imread("amy.png");namedWindow("美女");imshow("美女", img);waitKey(0);return 0;
}

运行结果如下，显示出图片，则表示VS2022已经配置OpenCV环境。
在这里插入图片描述
2. 进行图片的人脸识别过程

imread函数读入一张本地图片；
加载人脸识别分类器CascadeClassifier 中人脸模型haarcascade_frontalface_default.xml，该分类器一般在OpenCV安装目录opencv//build//etc//haarcascades下；
利用分类器CascadeClassifier 中detectMultiScale函数识别人脸；
rectangle函数绘制检测到的人脸，标注矩形框，并打印坐标；
imshow函数显示识别结果。

人脸识别c++ demo

#include <opencv2/opencv.hpp>
#include <string>using namespace cv;
using namespace std;int main(int argc, char** argv) {// 读取图像文件Mat image = imread("amy.png");if (image.empty()) {cout << "读取图像文件失败" << endl;return -1;}// 加载人脸识别分类器CascadeClassifier faceCascade;string faceCascadePath = "C://opencv//build//etc//haarcascades//haarcascade_frontalface_default.xml";if (!faceCascade.load(faceCascadePath)) {cout << "加载人脸识别分类器失败" << endl;return -1;}// 识别人脸std::vector<Rect> faces;faceCascade.detectMultiScale(image, faces, 1.1, 3, 0, Size(80, 80));// 绘制检测到的人脸for (const Rect& face : faces) {rectangle(image, face, Scalar(255, 0, 0), 2);// 打印人脸的坐标cout << "检测到人脸: 坐标 (" << face.x << ", " << face.y << ") 尺寸 (" << face.width << "x" << face.height << ")" << endl;}// 显示结果图像imshow("人脸识别结果", image);waitKey(0);return 0;
}

识别结果: 如下图，将陈昊宇的脸准确的识别出来了，对应的人脸坐标打印如下：

检测到人脸: 坐标 (248, 219) 尺寸 (421x421)

验证双人脸：换个2个人脸图像进行识别验证识别准确度；可以看到两个人也可以识别出来，对应人脸坐标如下：

检测到人脸: 坐标 (204, 128) 尺寸 (161x161)
检测到人脸: 坐标 (676, 133) 尺寸 (170x170)

验证多人脸：可以看到7个人脸识别过程中，识别错误了一个人脸位置，说明在多人识别的过程中，该模型的准确率需要进一步提升；对应的人脸坐标如下：

检测到人脸: 坐标 (901, 102) 尺寸 (100x100)
检测到人脸: 坐标 (827, 485) 尺寸 (105x105)
检测到人脸: 坐标 (657, 116) 尺寸 (100x100)
检测到人脸: 坐标 (1044, 74) 尺寸 (94x94)
检测到人脸: 坐标 (796, 89) 尺寸 (96x96)
检测到人脸: 坐标 (572, 259) 尺寸 (103x103)
检测到人脸: 坐标 (124, 197) 尺寸 (236x236)