文章出處

一、關于檢測算法

分類器訓練：

通過正樣本與負樣本訓練可得到分類器，opencv有編譯好的訓練Demo，按要求訓練即可生成，這里我們直接使用其已經訓練好的分類器檢測；

檢測過程：

檢測過程很簡單，可以通過兩種方式進行檢測：

1、縮放圖像：根據要檢測的人臉尺寸范圍對原圖進行縮放，然后利用窗口（訓練時正樣本的尺寸），逐個遍歷該尺寸下圖像的所有潛在人臉位置，與分類器匹配，若通過每一級強分類器，則為人臉，若不能通過任何一級強分類器，則被判定不是人臉；

2、縮放特征：與縮放圖像類似，不同的是縮放圖像方式遍歷的窗口是固定大小的（與正樣本大小有關），圖像在縮放，而縮放特征是圖像不變，特征窗口在縮放；

不同點：縮放特征，積分圖只需計算一次，不需要頻繁縮放圖像；

二、基于的OpenCV的檢測Demo

先利用OpenCV的接口調用一下檢測算法，測試一下，后續考慮移植其源代碼為C語言版本，個人覺得C語言版本的算法較易理解，易于閱讀；

#include <opencv/highgui.h>
#include <opencv/cv.h>
#include <opencv2/imgproc/imgproc_c.h>
#include <opencv2/objdetect/objdetect.hpp>

using namespace cv;

int main(int argc, char** argv)
{

    CascadeClassifier stFaceCascade;
    IplImage *pstImage = NULL;
    std::vector<Rect> faceRects;

    if( !stFaceCascade.load("D:\\ProgramFiles\\develop\\opencv2.4.8\\sources\\data\\lbpcascades\\lbpcascade_frontalface.xml") )
    { 
        printf("Loading cascade error\n"); 
        return -1; 
    }
    
    pstImage = cvLoadImage("D:\\test.jpg", CV_LOAD_IMAGE_COLOR);

    stFaceCascade.detectMultiScale(pstImage, 
        faceRects,            //檢出結果
        1.1,                  //縮放步長
        2,                    //框融合時的最小檢出個數
        0|CV_HAAR_SCALE_IMAGE,//標志 |CV_HAAR_FIND_BIGGEST_OBJECT|CV_HAAR_DO_ROUGH_SEARCH|CV_HAAR_DO_CANNY_PRUNING
        Size(30, 30),         //最小人臉尺寸
        Size(300, 300) );     //最大人臉尺寸
    printf("Face Num[%d]\n", faceRects.size());

    for( unsigned int j = 0; j < faceRects.size(); j++ )
    {
        cvRectangle(pstImage, 
            cvPoint(faceRects[j].x, faceRects[j].y), 
            cvPoint(faceRects[j].x + faceRects[j].width, faceRects[j].y + faceRects[j].height),
            cvScalar(0,255,0),
            2,8,0);
    }
    cvShowImage("FDWin", pstImage);
    cvWaitKey(0);


    cvReleaseImage(&pstImage);
    return 0;
}