VC++下opencv人脸检测（VS2013）

#include<iostream> #include<string> #include"highgui.h" #include"cv.h" using namespace std; static CvHaarClassifierCascade *cascade = 0; static CvMemStorage *storage = 0; const char *cascade_name = "haarcascade_frontalface_alt.xml"; char pName[100]; void detect(IplImage *img) { static CvScalar colors[] = { { { 0, 0, 255 } }, { { 0, 128, 255 } }, { { 0, 255, 255 } }, { { 0, 255, 0 } }, { { 255, 128, 0 } }, { { 255, 255, 0 } }, { { 255, 0, 0 } }, { { 255, 0, 255 } } }; double scale = 1.3; IplImage *gray = cvCreateImage(cvSize(img->width, img->height), 8, 1); IplImage *small_img = cvCreateImage(cvSize(img->width / scale, img->height / scale), 8, 1); cvCvtColor(img, gray, CV_RGB2GRAY); cvResize(gray, small_img, CV_INTER_LINEAR); cvEqualizeHist(small_img, small_img); cvClearMemStorage(storage); if (cascade) { CvSeq *faces = cvHaarDetectObjects(small_img, cascade, storage, 1.1, 2, 0, cvSize(15, 15)); //参数1.1 在前后两次相继的扫描中，搜索窗口的比例系数。例如1.1指将搜索窗口依次扩大10% //参数2 构成检测目标的相邻矩形的最小个数(缺省－1)。 //如果组成检测目标的小矩形的个数和小于 min_neighbors-1 都会被排除。 //如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，这种设定值一般用在用户自定义对检测结果的组合程序上。 //参数0 操作方式。 //当前唯一可以定义的操作方式是 CV_HAAR_DO_CANNY_PRUNING。 //如果被设定，函数利用Canny边缘检测器来排除一些边缘很少或者很多的图像区域，因为这样的区域一般不含被检目标。 //人脸检测中通过设定阈值使用了这种方法，并因此提高了检测速度。 //参数cvSize() 检测窗口的最小尺寸。缺省的情况下被设为分类器训练时采用的样本尺寸(人脸检测中缺省大小是~20×20)。 for (int i = 0; i < (faces ? faces->total : 0); i++) { CvRect *r = (CvRect*)cvGetSeqElem(faces, i); CvPoint center; int radius; center.x = cvRound((r->x + r->width*0.5)*scale); center.y = cvRound((r->y + r->height*0.5)*scale); radius = cvRound((r->width + r->height)*0.3*scale); cvCircle(img, center, radius, colors[i % 8], 3, 8, 0); CvPoint orig; int side = 1.414*radius; orig.x = center.x - side / 2; orig.y = center.y - side / 2; CvSize size = cvSize(side, side); cvSetImageROI(img, cvRect(orig.x, orig.y, side, side)); IplImage *pDest = cvCreateImage(size, img->depth, img->nChannels); cvCopy(img, pDest); //cvResetImageROI(pDest); cvResetImageROI(img); cvSaveImage(pName, pDest); } } cvReleaseImage(&gray); cvReleaseImage(&small_img); } int main() { //加载人脸检测分类器 cascade = (CvHaarClassifierCascade*)cvLoad(cascade_name, 0, 0, 0); if (!cascade) { cerr << "ERROR: Could not load classifier cascade\n" << endl; return -1; } //动态存储结构，用来存储人脸在图像中的位置 storage = cvCreateMemStorage(0); //要进行人脸检测的视频 const char *filename = "1.avi"; //初始化一个视频捕捉器 CvCapture *capture = cvCaptureFromAVI(filename); //获取视频信息 cvQueryFrame(capture); int frameH = (int)cvGetCaptureProperty(capture, CV_CAP_PROP_FRAME_HEIGHT); int frameW = (int)cvGetCaptureProperty(capture, CV_CAP_PROP_FRAME_WIDTH); int fps = (int)cvGetCaptureProperty(capture, CV_CAP_PROP_FPS); int numFrames = (int)cvGetCaptureProperty(capture, CV_CAP_PROP_FRAME_COUNT); cout << "video height:" << frameH << "\n" << "video width:" << frameW << "\n" << "video fps:" << fps << "\n" << "video count:" << numFrames << endl; //定义和初始化变量 int count = 1; int i = 0; IplImage *img = 0; char image_name[13]; cvNamedWindow("show video", CV_WINDOW_AUTOSIZE); //读取和显示 while (1) { img = cvQueryFrame(capture);//读取一帧图片 sprintf(pName, "%d.jpg", count); detect(img); count++; cvShowImage("show video", img); char key = cvWaitKey(2); } cvReleaseCapture(&capture); cvDestroyWindow("Show video"); return 0; }