OpenCV LBP和HAAR人脸联级检测

人脸和眼睑的实时检测

1、LBP和HAAR特征级联检测器，实现人脸和眼睛的检测，首先介绍基于图片的人脸检测，再引入JavaCameraVeiw,，对Android端的相机调用和数据读取，使用摄像头数据流，进行人脸和眼睛的实时检测与跟踪，

级联分类器介绍

opencv中的人脸检测是基于训练好的 LBP和 HAAR的特征级联分类检测器完成的

LBP特征: Local Binary Pattern 局部二值模式, LBP的应用中, 如纹理分类、人脸分析等, 一般采用 LBP特征谱的统计直方图作为特征向量用于分类识别.

HAAR特征: 一种反映图像灰度变化的, 像素分模块求差值的一种特征.

单个 LBP或者 HAAR 特征都可以检测分类边缘、直线、角点等特征, 但是容易受到外界噪声、像素混叠等各种干扰, 导致误判, 所以他们单个都是弱分类器, 只有通过这些联级分类器的特征点才会被保存, 否则会被抛弃, 然后再进一步使用更多的强分类器联级对特征区域记性候选检测, 知道满足条件, 输出检测得到的最终结果.

人脸进测

OpenCV自带训练好的人脸检测模型
HAAR和 LBP目录位置
/OpenCV-android-sdk/sdk/etc/

加载预训练特征 xml 数据, 在资源目录下创建一个文件夹raw, 把/sdk/etc/下面的 lbpcascade_frontalface_improved.xml 复制到 raw文件中.

初始化联级分类器的方法:

//cascadeClassifier 联级分类器;
private void initClassifier(){
        try{
             InputStream si = getResources().openRawResource(R.raw.lbpcascade_frontalface_improved);  
             File cascadDir = getDir("cascade",Context.MODE_PRIVATE);
             File cadcadFile = new File(cascadDir,"lbpcascade_frontalface_improved.xml");
             FileOutputStream os = new FileOutputStream(cascadeFile);
             byte[] buffer = new byte[4096];
             int read;
             while((read = is.read(buffer)) != -1){
                  os.write(buffer);
             }
             is.close();
             os.close();
             CascadeClassifier  cascadeClassifier = new CascadeClassifier(cascadeFile.getAbsolutePath());
             cascadeFile.delete();
             cascadeDir.delete();
        }catch(Exception e){
            e.printStackTrace();    
        }
}

detectMultiScale方法的调用

初始化加载后, 就可以调用它的 detectMultiScale方法设置好相关参数以实现人脸检测

/**
 * img 输入图像
 * objects  表示检测到的对象个数, 返回每个对象的矩形坐标
 * scaleFactor  尺度变换的比率 基本在 1.05 ~ 1.2 之间比较好
 * minNeighbors  领域范围内符合条件的对象个数, 它是输出检测最终 BOX的重要阈值, 太大则条件苛刻丢失检测对象, 太小容易检测错误;
 * flags  OpenCV 2.x 使用
 * minSize  对象检测的最小范围
 * maxSize 对象检测的最大范围
 **/
detectMultiScale(Mat img, MatOfPoint objects, double scaleFactor, int minNeighbors, int flags, Size minSize, Size maxSize)

最后编辑于：2024.04.14 15:18:56