运行程序。该程序会自动打开摄像头，识别并定位摄像头前的人脸以及眼睛部位。
输入q或者Q，退出程序。
或进行文本中所包含的图片路径 或 单个图片进行检测，自行修改代码即可
配置环境项目，debug
解决error C4996: ‘fopen’: This function or variable may be unsafe. Consider using fopen_s instead…
https://blog.csdn.net/muzihuaner/article/details/109886974
确保lib，dll，头文件都配置正确
也可将dll文件添加到系统环境变量path里，便无需移动了，最简单
后续单独打包exe，再额外将dll放一起
OpenCV源代码在此路径查找
将所需的data数据放在.cpp文件下
数据集在opencv的sources文件夹下，必需，一定要正确放置data文件，避免报错
两者的路径不一致，非必需，可自行修改选择图片，仅用于测试
修改一下代码，对默认的lema图片检测如下所示
源代码，自行添加了注释，未修改源代码
#include "opencv2/objdetect.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/videoio.hpp"
#include <iostream>
using namespace std;
using namespace cv;
static void help(const char **argv) {
cout << "\nThis program demonstrates the use of cv::CascadeClassifier class to detect objects (Face + eyes). You can use Haar or LBP features.\n"
"This classifier can recognize many kinds of rigid objects, once the appropriate classifier is trained.\n"
"It's most known use is for faces.\n"
"Usage:\n"
<< argv[0]
<< " [--cascade=<cascade_path> this is the primary trained classifier such as frontal face]\n"
" [--nested-cascade[=nested_cascade_path this an optional secondary classifier such as eyes]]\n"
" [--scale=<image scale greater or equal to 1, try 1.3 for example>]\n"
" [--try-flip]\n"
" [filename|camera_index]\n\n"
"example:\n"
<< argv[0]
<< " --cascade=\"data/haarcascades/haarcascade_frontalface_alt.xml\" --nested-cascade=\"data/haarcascades/haarcascade_eye_tree_eyeglasses.xml\" --scale=1.3\n\n"
"During execution:\n\tHit any key to quit.\n"
"\tUsing OpenCV version " << CV_VERSION << "\n" << endl;
}
void detectAndDraw(Mat &img, CascadeClassifier &cascade,
CascadeClassifier &nestedCascade,
double scale, bool tryflip);
string cascadeName;
string nestedCascadeName;
int main(int argc, const char **argv) {
VideoCapture capture;
Mat frame, image;
string inputName;
bool tryflip;
CascadeClassifier cascade, nestedCascade;
double scale;
cv::CommandLineParser parser(argc, argv,
"{help h||}"
"{cascade|data/haarcascades/haarcascade_frontalface_alt.xml|}"
"{nested-cascade|data/haarcascades/haarcascade_eye_tree_eyeglasses.xml|}"
"{scale|1|}{try-flip||}{@filename||}"
);
if (parser.has("help")) {
help(argv);
return 0;
}
cascadeName = parser.get<string>("cascade");
nestedCascadeName = parser.get<string>("nested-cascade");
scale = parser.get<double>("scale");
if (scale < 1)
scale = 1;
tryflip = parser.has("try-flip");
inputName = parser.get<string>("@filename");
if (!parser.check()) {
parser.printErrors();
return 0;
}
if (!nestedCascade.load(samples::findFileOrKeep(nestedCascadeName)))
cerr << "WARNING: Could not load classifier cascade for nested objects" << endl;
if (!cascade.load(samples::findFile(cascadeName))) {
cerr << "ERROR: Could not load classifier cascade" << endl;
help(argv);
return -1;
}
//如果 inputName 为空或是一个单个数字字符，则尝试打开对应索引的摄像头。
if (inputName.empty() || (isdigit(inputName[0]) && inputName.size() == 1)) {
//奥比中光的gemini 2接入，1可以使用，0和2无法使用，3则是笔记本内置摄像头
//不接入设备，0是笔记本内置摄像头
//如果 inputName 为空，则默认使用摄像头0；否则，将 inputName 的第一个字符转换为整数作为摄像头索引。
int camera = inputName.empty() ? 0 : inputName[0] - '0';
if (!capture.open(camera)) {
cout << "Capture from camera #" << camera << " didn't work" << endl;
return 1;
}
} else if (!inputName.empty()) {
//如果 inputName 不为空且不是一个单个数字字符，则尝试读取指定的图像文件。
image = imread(samples::findFileOrKeep(inputName), IMREAD_COLOR);
if (image.empty()) {
if (!capture.open(samples::findFileOrKeep(inputName))) {
cout << "Could not read " << inputName << endl;
return 1;
}
}
} else {//读取默认的图像文件 lena.jpg。
image = imread(samples::findFile("lena.jpg"), IMREAD_COLOR);
if (image.empty()) {
cout << "Couldn't read lena.jpg" << endl;
return 1;
}
}
if (capture.isOpened()) {
cout << "Video capturing has been started ..." << endl;
/*从视频捕获设备读取帧。
对每一帧进行人脸和眼睛的检测。
在图像上绘制检测结果。
持续运行，直到帧为空或用户按下退出键。（Esc、'q'或'Q'）*/
for (;;) {
capture >> frame;
if (frame.empty())
break;
Mat frame1 = frame.clone();
detectAndDraw(frame1, cascade, nestedCascade, scale, tryflip);
char c = (char)waitKey(10);
if (c == 27 || c == 'q' || c == 'Q')
break;
}
} else {
cout << "Detecting face(s) in " << inputName << endl;
if (!image.empty()) {
detectAndDraw(image, cascade, nestedCascade, scale, tryflip);
waitKey(0);
} else if (!inputName.empty()) {
/* assume it is a text file containing the
list of the image filenames to be processed - one per line */
//如果已经加载了单张图像，则直接进行人脸检测并等待用户按键。
//如果输入是一个包含图像文件列表的文本文件，则逐行读取文件内容，尝试读取每行指定的图像文件，并进行人脸检测。如果读取失败，则输出错误信息。
//在检测每张图像后，等待用户按键，如果用户按下特定键（Esc、'q'或'Q'），则退出处理流程。
FILE *f = fopen(inputName.c_str(), "rt");
if (f) {
char buf[1000 + 1];
while (fgets(buf, 1000, f)) {
//计算字符串buf的长度，然后从字符串末尾向前遍历，直到遇到非空白字符为止。最后，将字符串的结束符\0放在最后一个非空白字符之后，从而去除了行尾的空白字符。
int len = (int)strlen(buf);
while (len > 0 && isspace(buf[len - 1]))
len--;
buf[len] = '\0';
cout << "file " << buf << endl;
image = imread(buf, IMREAD_COLOR);
if (!image.empty()) {
detectAndDraw(image, cascade, nestedCascade, scale, tryflip);
char c = (char)waitKey(0);
if (c == 27 || c == 'q' || c == 'Q')
break;
} else {
cerr << "Aw snap, couldn't read image " << buf << endl;
}
}
fclose(f);
}
}
}
return 0;
}
void detectAndDraw(Mat &img, CascadeClassifier &cascade,
CascadeClassifier &nestedCascade,
double scale, bool tryflip) {
/*t：用于计时。
faces 和 faces2：存储检测到的人脸矩形区域。
colors：用于绘制检测结果的颜色数组。
gray 和 smallImg：用于存储灰度图像和缩放后的图像。*/
double t = 0;
vector<Rect> faces, faces2;
const static Scalar colors[] =
{
Scalar(255,0,0),
Scalar(255,128,0),
Scalar(255,255,0),
Scalar(0,255,0),
Scalar(0,128,255),
Scalar(0,255,255),
Scalar(0,0,255),
Scalar(255,0,255)
};
Mat gray, smallImg;
/*将输入图像转换为灰度图像。
计算缩放比例 fx。
将灰度图像缩放到指定比例。
对缩放后的图像进行直方图均衡化，以提高对比度。*/
cvtColor(img, gray, COLOR_BGR2GRAY);
double fx = 1 / scale;
resize(gray, smallImg, Size(), fx, fx, INTER_LINEAR_EXACT);
equalizeHist(smallImg, smallImg);
//记录检测开始时间。
// 使用主分类器 cascade 检测人脸，结果存储在 faces 中。
// 如果 tryflip 为真，则翻转图像并再次检测人脸，结果存储在 faces2 中，并将 faces2 中的结果转换为原始图像坐标系后添加到 faces 中。
// 计算并输出检测时间。
t = (double)getTickCount();
cascade.detectMultiScale(smallImg, faces,
1.1, 2, 0
//|CASCADE_FIND_BIGGEST_OBJECT
//|CASCADE_DO_ROUGH_SEARCH
| CASCADE_SCALE_IMAGE,
Size(30, 30));
if (tryflip) {
flip(smallImg, smallImg, 1);
cascade.detectMultiScale(smallImg, faces2,
1.1, 2, 0
//|CASCADE_FIND_BIGGEST_OBJECT
//|CASCADE_DO_ROUGH_SEARCH
| CASCADE_SCALE_IMAGE,
Size(30, 30));
for (vector<Rect>::const_iterator r = faces2.begin(); r != faces2.end(); ++r) {
faces.push_back(Rect(smallImg.cols - r->x - r->width, r->y, r->width, r->height));
}
}
t = (double)getTickCount() - t;
printf("detection time = %g ms\n", t * 1000 / getTickFrequency());
/*遍历检测到的人脸区域。
计算人脸区域的宽高比，如果宽高比在合理范围内，则绘制圆形标记；否则绘制矩形标记。
如果嵌套分类器不为空，则使用嵌套分类器检测眼睛，并在检测到的眼睛位置绘制圆形标记。
显示检测结果图像。*/
for (size_t i = 0; i < faces.size(); i++) {
Rect r = faces[i];
Mat smallImgROI;
vector<Rect> nestedObjects;
Point center;
Scalar color = colors[i % 8];
int radius;
double aspect_ratio = (double)r.width / r.height;
if (0.75 < aspect_ratio && aspect_ratio < 1.3) {
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) * 0.25 * scale);
circle(img, center, radius, color, 3, 8, 0);
} else
rectangle(img, Point(cvRound(r.x * scale), cvRound(r.y * scale)),
Point(cvRound((r.x + r.width - 1) * scale), cvRound((r.y + r.height - 1) * scale)),
color, 3, 8, 0);
if (nestedCascade.empty())
continue;
smallImgROI = smallImg(r);
nestedCascade.detectMultiScale(smallImgROI, nestedObjects,
1.1, 2, 0
//|CASCADE_FIND_BIGGEST_OBJECT
//|CASCADE_DO_ROUGH_SEARCH
//|CASCADE_DO_CANNY_PRUNING
| CASCADE_SCALE_IMAGE,
Size(30, 30));
for (size_t j = 0; j < nestedObjects.size(); j++) {
Rect nr = nestedObjects[j];
center.x = cvRound((r.x + nr.x + nr.width * 0.5) * scale);
center.y = cvRound((r.y + nr.y + nr.height * 0.5) * scale);
radius = cvRound((nr.width + nr.height) * 0.25 * scale);
circle(img, center, radius, color, 3, 8, 0);
}
}
imshow("result", img);
}
