人臉檢測創(chuàng)新實驗結題書解讀

1、編號： 數(shù)學與計算科學學院創(chuàng)新性實驗結題報告書實驗題目： 單張照片人臉檢測 實驗成績（教師填寫）： 學 院： 數(shù)學與計算科學學院 專 業(yè)： 信息與計算科學 學生姓名： 韓尚穎 1200710218 小組成員： 覃啟霞 1200710211 指導教師： 王東 2014 年 07月 25日摘 要: 人臉檢測在計算機視覺領域是一個很基礎性技術，我們組使用了基于openCV的Viola-Jones分類算法的haar 分類器的剛性物體檢測技術；首先，需要使用openCV的createsamples（）和haartraining（）函數(shù)來訓練分類器，然后使用detect_and_draw()函數(shù)來進行人臉

2、的檢測和標記；本實驗是在windows環(huán)境下使用win32 API和VC實現(xiàn)了人臉檢測的基本功能。關鍵詞: 人臉檢測 openCV windows平臺 Viola-Jones分類算法 haar 分類器1、 實驗目的及主要創(chuàng)新性點：1、熟悉和掌握openCV（open source computer vision library開源的計算機視覺庫），并通過它提供的一些集成函數(shù)來實現(xiàn)對照片或視頻的處理；2、實現(xiàn)照片的人臉檢測，并且我們又加入了調用攝像頭或者現(xiàn)成的視頻文件進行人臉檢測；3、同時進一步掌握了VC和win32編程的技巧和方法。二、實驗要求：1、 實現(xiàn)單張照片的人臉檢測和標記；2、 熟悉怎

3、么使用Windows API函數(shù)設計窗口界面，實現(xiàn)人臉檢測功能；3、 了解Windows API 編程的方法與技能的； 4、 掌握VC和openCV的基礎知識；3、 實驗原理： 一.人臉檢測算法原理：Viola-Jones人臉檢測方法 該算法的主要特征： 1.提出積分圖像（integral image）,從而可以快速計算Haar-like特征。 2.利用Adaboost學習算法進行特征選擇和分類器訓練，把弱分類器組 合成強分類器。 3.采用分類器級聯(lián)提高效率。 二.openCV檢測原理 因為openCV中已經有預先訓練好的一些物體識別文件（haar 分類器），所以我們組決定不在自己訓練，因為這

4、需要大量的經過處理的圖片，任務過去繁重。 第二步，我們使用detect_and_draw()函數(shù)來識別、標記人臉，其中代碼函數(shù)中有一個顏色向量的數(shù)組colors，可以不同顏色標記人臉；分類器在灰度圖上進行檢測，所以RGB圖首先通過cvCvtClolor（）轉化成灰度圖,還可以用cvResize()調整大小，然后通過cvEqualizeHist（）進行直方均衡；cvHaarDetectObjects（）以不同的窗口掃描輸入的圖形尋找人臉，人臉檢測會有多次重復，這里默認3次，我們才認為人臉確實存在，防止誤檢驗。主要步驟為： 1.加載分類器。 用cvLoad函數(shù)讀入xml格式的文件。 2.讀入待檢測

5、圖像。讀入圖片、視頻或者調用攝像頭采集。 3.檢測并標示人臉，顯示人臉檢測數(shù)目和用時。四、實驗內容與步驟（部分代碼）： 1、首先，在VS2010平臺下建立win32 項目，設計基本對話框樣式和功能按鈕； （1）三個按鈕： btn0 = CreateWindow(TEXT("button"),TEXT("單張照片識別"),WS_CHILD|WS_VISIBLE|BS_PUSHBUTTON,40,40,100,30,hWnd,(HMENU)0,hInstance,NULL);btn1 = CreateWindow(TEXT("button"

6、;),TEXT("攝像識別"),WS_CHILD|WS_VISIBLE|BS_PUSHBUTTON,40,80,100,30,hWnd,(HMENU)1,hInstance,NULL);btn2 = CreateWindow(TEXT("button"),TEXT("視頻識別"),WS_CHILD|WS_VISIBLE|BS_PUSHBUTTON,40,120,100,30,hWnd,(HMENU)2,hInstance,NULL); （2）顯示人臉識別數(shù)和用時： TextOut(hdc,250,180,TEXT("人臉識別

7、用時（納秒）："),11);TextOut(hdc, 400,180, szText1, wsprintf(szText1, TEXT("%d"), ti);TextOut(hdc,250,200,TEXT("人臉識別個數(shù)："),7);TextOut(hdc, 380,200, szText1, wsprintf(szText1, TEXT("%d"), fa); 2、編寫對應按鈕的功能函數(shù)，加入openCV函數(shù)；const char* cascade_name ="haarcascade_frontalface_

8、alt2.xml"/Haar分類器/* "haarcascade_profileface.xml"*/（1）人臉檢測標記函數(shù)void detect_and_draw( IplImage* img )/人臉檢測標記函數(shù)static CvScalar colors = /一般用來存放像素值（不一定是灰度值哦）的0,0,255,/畫圓的那個線條顏色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 = cvCreateIma

9、ge( cvSize(img->width,img->height), 8, 1 );IplImage* small_img = cvCreateImage( cvSize( cvRound (img->width/scale),/對一個double型的數(shù)進行四舍五入，并返回一個整型數(shù)！cvRound (img->height/scale), 8, 1 );/縮放int i;cvCvtColor( img, gray, CV_BGR2GRAY );/顏色空間轉換函數(shù)，可以實現(xiàn)RGB顏色向HSV,HSI等顏色空間的轉換，也可以轉換為灰度圖像。cvResize( gray,

10、 small_img, CV_INTER_LINEAR );/調整3通道圖像（如RGB圖像）和單通道圖像的大小。cvEqualizeHist( small_img, small_img );/用來使灰度圖象直方圖均衡化cvClearMemStorage( storage );if( cascade )double t = (double)cvGetTickCount();/獲取操作系統(tǒng)啟動所經過（elapsed）的毫秒數(shù)CvSeq* faces = cvHaarDetectObjects( small_img, cascade, storage, /用來檢測圖像中的目標 1.1, 2, 0/*

11、CV_HAAR_DO_CANNY_PRUNING*/,/利用Canny邊緣檢測器cvSize(20, 20) );t = (double)cvGetTickCount() - t;ti=(t/(double)cvGetTickFrequency()/1000000.0);fa=faces->total;for( i = 0; i < (faces ? faces->total : 0); i+ )CvRect* r = (CvRect*)cvGetSeqElem( faces, i );/返回索引指定的元素指針CvPoint center;int radius;center.

12、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)*0.25*scale);cvCircle( img, center, radius, colorsi%8, 3, 8, 0 ); /畫圓標記cvWaitKey(0);cvShowImage( "人臉檢測結果", img );cvReleaseImage( &gray );cvRel

13、easeImage( &small_img );/將TCHAR轉為char /*tchar是TCHAR類型指針，*_char是char類型指針 void TcharToChar (const TCHAR * tchar, char * _char) int iLength ; /獲取字節(jié)長度 iLength = WideCharToMultiByte(CP_ACP, 0, tchar, -1, NULL, 0, NULL, NULL); /將tchar值賦給_char WideCharToMultiByte(CP_ACP, 0, tchar, -1, _char, iLength, N

14、ULL, NULL); （2）照片識別void picturetext (TCHAR a)/照片識別 CHAR b260;TcharToChar(a,b);/CvCapture* capture = 0;/視頻攝像頭IplImage *frame, *frame_copy = 0;/圖形結構cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 ); /導入分類器storage = cvCreateMemStorage(0); /創(chuàng)建內存空間 cvNamedWindow( "result", 1 )

15、; const char* filename = (char*)b; IplImage* image = cvLoadImage( filename, 1 ); if( image ) detect_and_draw( image ); cvWaitKey(0); cvReleaseImage( &image ); else /* assume it is a text file containing the list of the image filenames to be processed - one per line */ FILE* f = fopen( filename,

16、"rt" ); if( f ) char buf1000+1; while( fgets( buf, 1000, f ) ) int len = (int)strlen(buf); while( len > 0 && isspace(buflen-1) )/檢查參數(shù)c是否為空格字符，也就是判斷是否為空格(' ')、水平定位字符 /('t')、歸位鍵('r')、換行('n')、垂直定位字符('v')或翻頁('f')的情況 len-; buflen = '

17、;0' image = cvLoadImage( buf, 1 ); if( image ) detect_and_draw( image ); cvWaitKey(0); cvReleaseImage( &image ); fclose(f); cvDestroyWindow("result");（3）視頻文件和攝像頭識別我們組在照片識別的基礎上進一步實現(xiàn)了攝像頭捕獲視頻和讀取視頻文件(*.avi)的人臉檢測:void camera_vedio()/視頻文件和攝像頭識別CvCapture* capture = 0;/視頻攝像頭/IplImage *fram

18、e, *frame_copy = 0;/圖形結構cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 );storage = cvCreateMemStorage(0);cvNamedWindow( "result", 1 );capture = cvCaptureFromCAM(0);/初始化從攝像頭中獲取視頻capture = cvCaptureFromAVI( input_name ); /從視頻文件中捕獲視頻幀。*/ /二選一既可做識別 for(;)if( !cvGrabFrame( ca

19、pture )/從攝像頭或者視頻文件中抓取幀 break;frame = cvRetrieveFrame( capture );/取回由函數(shù)cvGrabFrame抓取的圖像。if( !frame )break;if( !frame_copy )frame_copy = cvCreateImage( cvSize(frame->width,frame->height),IPL_DEPTH_8U, frame->nChannels );if( frame->origin = IPL_ORIGIN_TL )cvCopy( frame, frame_copy, 0 );/前到后

20、 elsecvFlip( frame, frame_copy, 0 );/直接將圖像采集卡采集的圖像cvShowImage出來的是反著的圖像，/在顯示圖像之前使用cvFlip()函數(shù)將圖像翻轉一下/垂直翻轉圖像(flip_mode = 0)用于 頂-左和底-左圖像結構的轉換, 主要用于WIN32系統(tǒng)下的視頻操作處理.detect_and_draw( frame_copy );/人臉檢測if( cvWaitKey( 10000 ) = 27 ) /ESC鍵退出 break;cvReleaseImage( &frame_copy );cvReleaseCapture( &captu

21、re );cvDestroyWindow("result"); 3、選擇檢測圖片、視頻文件、調用攝像頭獲取視頻文件進行人臉檢測。5、 實驗過程原始記錄（數(shù)據，圖表，計算等）： 主頁面：1.照片識別結果：在這兩張測試圖片中，人臉檢測準確率達到了100%。2.視頻文件識別結果：在視頻測試中準確率也達到了100%。3. 調用攝像頭識別結果：（1） .在光線明亮處識別結果：準確識別，沒有誤差。（2）.在光線較暗處識別結果：準確無誤。六、實驗結果分析或總結： 我們小組經過不懈的努力，最終實現(xiàn)了人臉檢測的功能，我們知道Viola-Jones分類算法并不限于人臉檢測，它適應于其他外表有區(qū)別的（接近剛性的）物體的檢測。但是，人的側臉和車的斜視角檢測效果不夠理想，主要是因為這些視角在模板中有很多變化，而“塊特征”無法很好地處理這些變化。通過本次實驗，我們熟悉和掌握openCV（開源的計算機視覺庫），并進一步增強了c語言和win32 編程能力；近幾年，計算機視覺領域發(fā)展迅速，對一