[OPENCV] FaceDetection - (一) 初步探索

Face Detection Example

今天喵把課題提升到 FaceDetection的 Level
感覺FaceDetection是個非常高深的題目
不過, 使用了openCV所提供的 library, 喵一下子就做到了臉部偵測~
主程式為

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

  // Load preconstructed classifier
  face_cascade.load("data/haarcascade_frontalface_alt.xml");
  Mat inputImage = imread(argv[1]);
  detectFaces(inputImage);
  waitKey(0);
  return 0;
}

其中是需要先把 haar的參數下載回來放到指定的路徑下
haar的參數可以在這邊找到
haarcascade_frontalface_alt.xml

呼叫detectFace的function為

void detectFaces(Mat frame) {

  std::vector<Rect> faces;
  Mat frame_gray;
  cvtColor(frame, frame_gray, COLOR_BGR2GRAY);  // Convert to gray scale
  equalizeHist(frame_gray, frame_gray);     // Equalize histogram

  // Detect faces
  face_cascade.detectMultiScale(frame_gray, faces, 1.1, 3,
                0|CASCADE_SCALE_IMAGE, Size(30, 30));

  // Iterate over all of the faces
  for( size_t i = 0; i < faces.size(); i++ ) {

    // Find center of faces
    Point center(faces[i].x + faces[i].width/2, faces[i].y + faces[i].height/2);

    // Draw ellipse around face
    ellipse(frame, center, Size(faces[i].width/2, faces[i].height/2),
        0, 0, 360, Scalar( 255, 0, 255 ), 4, 8, 0 );
  }

  imshow(window_name, frame);  // Display frame
}

其中argument放入的參數為 lena.png
效果如下

在PC上使用會發覺很快地就可以辨識出人臉
openCV在人臉辨識上是很強大的, 主要的賣點在於可以在PC上面達到 realtime的解析
如果搭配上之前所講述的 camera capture, 馬上就可以realtime的看到人臉辨識效果
這邊也提供相對應的 code

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

  // Load preconstructed classifier
  face_cascade.load("data/haarcascade_frontalface_alt.xml");

  VideoCapture cap(0);        // Open default camera
  Mat frame;
  cap.read(frame);
  printf("frame width %d, height %d\n", frame.cols, frame.rows);

  while(cap.read(frame)) {
    detectFaces(frame);       // Call function to detect faces
    if( waitKey(30) >= 0)     // Pause key
        break;
  }
  return 0;
}

從這邊開始... 才算是做完暖身操, 準備進入主題

Haar-like Adaboost

臉部偵測, 一切緣由, 要從這一篇文章開始說起

Rapid Object Detection using a Boosted Cascade of SimpleFeatures 

2001年的時候, Paul Viola and Michael Jones發表了一個文章, 最主要的亮點是在把人臉偵測的運算時間縮短到可以在當時的PC上面做到 384x288@15 FPS realtime.
這在當時的電腦, 算是一個非常驚人的表現

那主要是怎麼做到的呢?
各位客官先看看 pdf
喵就將這內容留到 FaceDetection - (二) 深入研究