【AdaBoost算法】基于OpenCV实现人脸检测Demo

一、关于检测算法

分类器训练：

通过正样本与负样本训练可得到分类器，opencv有编译好的训练Demo，按要求训练即可生成，这里我们直接使用其已经训练好的分类器检测；

检测过程：

检测过程很简单，可以通过两种方式进行检测：

1、缩放图像：根据要检测的人脸尺寸范围对原图进行缩放，然后利用窗口（训练时正样本的尺寸），逐个遍历该尺寸下图像的所有潜在人脸位置，与分类器匹配，若通过每一级强分类器，则为人脸，若不能通过任何一级强分类器，则被判定不是人脸；

2、缩放特征：与缩放图像类似，不同的是缩放图像方式遍历的窗口是固定大小的（与正样本大小有关），图像在缩放，而缩放特征是图像不变，特征窗口在缩放；

不同点：缩放特征，积分图只需计算一次，不需要频繁缩放图像；

二、基于的OpenCV的检测Demo

先利用OpenCV的接口调用一下检测算法，测试一下，后续考虑移植其源代码为C语言版本，个人觉得C语言版本的算法较易理解，易于阅读；

#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");
        ;
    }

    pstImage = cvLoadImage("D:\\test.jpg", CV_LOAD_IMAGE_COLOR);

    stFaceCascade.detectMultiScale(pstImage,
        faceRects,            //检出结果
        1.1,                  //缩放步长
        ,                    //框融合时的最小检出个数
        |CV_HAAR_SCALE_IMAGE,//标志 |CV_HAAR_FIND_BIGGEST_OBJECT|CV_HAAR_DO_ROUGH_SEARCH|CV_HAAR_DO_CANNY_PRUNING
        Size(, ),         //最小人脸尺寸
        Size(, ) );     //最大人脸尺寸
    printf("Face Num[%d]\n", faceRects.size());

    ; 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(,,),
            ,,);
    }
    cvShowImage("FDWin", pstImage);
    cvWaitKey();

    cvReleaseImage(&pstImage);
    ;
}

三、检测结果