前言
本次編寫所用的庫爲於仕祺老師免費提供的人臉檢測庫。真心好用,識別率和識別速度完全不是Opencv自帶的程序能夠比擬的。將其配合Opencv的EigenFace算法,基本上可以形成一個小型的畢業設計。(我是學機械的啊喂!!)
準備工作
1、下載在GitHub上的人臉檢測庫。我不提供百度雲,只提供網址:https://github.com/ShiqiYu/libfacedetection。
2、配置好Opencv。
配置人臉檢測庫
1、新建一個MFC程序。
2、添加Opencv的屬性表。(即配置Opencv)
3、新建一個屬性表,命名爲libfacedetect。需要注意的是,libfacedetect只可用Win32平臺。在VC++目錄添加libfacedetect_master中include文件夾和lib庫的位置。
4、在鏈接器中添加附加依賴項。
試編寫
1、向MFC中添加一個picture控件,一個button控件,兩個Static Text控件。而後向其中一個Static Text添加變量。
2、雙擊button控件,進行代碼頁面,編寫代碼。
添加頭文件:
#include <opencv.hpp>
#include "facedetect-dll.h"
#pragma comment(lib,"libfacedetect.lib")
using namespace cv;
增添一個函數:
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));//重複運行
//print the detection results
for (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);
}
在按鈕事件中填寫代碼:
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_BGR2GRAY
cap >> frame;
if (!frame.empty())
{
detectAndDisplay(frame);
}
int c = waitKey(10);
if ((char)c == 'c') { break; }
}
(非本人照片)
可以看到,已經檢測成功,不過沒有在控件上顯示。
可以通過添加來讓其顯示到框上。
namedWindow("view", WINDOW_AUTOSIZE);
HWND hWnd = (HWND)cvGetWindowHandle("view");
HWND hParent = ::GetParent(hWnd);
::SetParent(hWnd, GetDlgItem(ID_FACE)->m_hWnd);
我們來看看這個函數逆天的檢測時間:增添檢測時間的代碼:
t = (double)cvGetTickCount();
t = (double)cvGetTickCount() - t;
detect_time = t / 1000 / ((double)cvGetTickFrequency()*1000.);
UpdateData(FALSE);
於老師最近有一篇文章中寫到,他的這個人臉檢測庫是基於LBP與Boost相結合的。所以如果我們選取了足夠多,足夠好的樣本,參數設置正確的話,識別效果從理論上也能遠遠高於Opencv自帶的。此外就是在最近做項目的過程中,發現人臉檢測這一端還是不能用深度學習的方法,其一是DL目前還沒有能夠很方面移植的硬件,其二是如果在雲端進行的話,傳輸速度將會對識別效率造成影響。