學習OpenCV——行人檢測&人臉檢測(總算執行出來了)
之前執行haar特徵的adaboost演算法人臉檢測一直出錯,加上今天的HOG&SVM行人檢測程式,一直報錯。
今天總算髮現自己犯了多麼白痴的錯誤——是因為外部依賴項lib檔案沒有新增完整,想一頭囊死啊
做程式一定要心如止水!!! 仔細查詢!!!
1.人臉識別程式:
- #include "cv.h"
- #include "highgui.h"
- #include <stdio.h>
- #include <stdlib.h>
- #include <string.h>
- #include <assert.h>
-
#include <math.h>
- #include <float.h>
- #include <limits.h>
- #include <time.h>
- #include <ctype.h>
- usingnamespace std;
- static CvMemStorage* storage = 0;
- static CvHaarClassifierCascade* cascade = 0;
- void detect_and_draw( IplImage* image );
- constchar* cascade_name =
-
"G:/OpenCV2.3.1/data/haarcascades/haarcascade_frontalface_alt.xml"
- /* "haarcascade_profileface.xml";*/
- int main()
- {
- CvCapture* capture = 0;
- cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 );
- if( !cascade )
- {
- fprintf( stderr, "ERROR: Could not load classifier cascade/n" );
- //fprintf( stderr,
-
//"Usage: facedetect --cascade=/"<cascade_path>"/[filename|camera_index]/n" );
- return -1;
- }
- storage = cvCreateMemStorage(0);
- cvNamedWindow( "result", 1 );
- constchar* filename = "H:/test/face05.jpg";
- IplImage* image = cvLoadImage(filename );
- if( image )
- {
- detect_and_draw( image );
- cvWaitKey(0);
- cvReleaseImage( &image );
- }
- cvDestroyWindow("result");
- cvWaitKey(0);
- return 0;
- }
- void detect_and_draw( IplImage* img )
- {
- static CvScalar colors[] =
- {
- {{0,0,255}},
- {{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 = cvCreateImage( cvSize(img->width,img->height), 8, 1 );
- IplImage* small_img = cvCreateImage( cvSize( cvRound (img->width/scale),
- cvRound (img->height/scale)),
- 8, 1 );
- int i;
- cvCvtColor( img, gray, CV_BGR2GRAY );
- cvResize( gray, small_img, CV_INTER_LINEAR );
- cvEqualizeHist( small_img, small_img );
- cvClearMemStorage( storage );
- if( cascade )
- {
- double t = (double)cvGetTickCount();
- CvSeq* faces = cvHaarDetectObjects( small_img, cascade, storage,
- 1.1, 2, 0/*CV_HAAR_DO_CANNY_PRUNING*/,
- cvSize(30, 30) );
- t = (double)cvGetTickCount() - t;
- printf( "detection time = %gms/n", t/((double)cvGetTickFrequency()*1000.) );
- for( i = 0; i < (faces ? faces->total : 0); i++ )
- {
- CvRect* r = (CvRect*)cvGetSeqElem( faces, i );
- CvPoint center;
- int radius;
- 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);
- cvCircle( img, center, radius, colors[i%8], 3, 8, 0 );
- }
- }
- cvShowImage( "result", img );
- cvReleaseImage( &gray );
- cvReleaseImage( &small_img );
- }
2.行人檢測程式
- #include <cv.h>
- #include <highgui.h>
- #include <string>
- #include <iostream>
- #include <algorithm>
- #include <iterator>
- #include <stdio.h>
- #include <string.h>
- #include <ctype.h>
- usingnamespace cv;
- usingnamespace std;
- void help()
- {
- printf(
- "\nDemonstrate the use of the HoG descriptor using\n"
- " HOGDescriptor::hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());\n"
- "Usage:\n"
- "./peopledetect (<image_filename> | <image_list>.txt)\n\n");
- }
- int main(int argc, char** argv)
- {
- Mat img;
- FILE* f = 0;
- char _filename[1024];
- if( argc == 1 )
- {
- printf("Usage: peopledetect (<image_filename> | <image_list>.txt)\n");
- return 0;
- }
- img = imread(argv[1]);
- if( img.data )
- {
- strcpy(_filename, argv[1]);
- }
- else
- {
- f = fopen(argv[1], "rt");
- if(!f)
- {
- fprintf( stderr, "ERROR: the specified file could not be loaded\n");
- return -1;
- }
- }
- HOGDescriptor hog;
- hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());//得到檢測器
- namedWindow("people detector", 1);
- for(;;)
- {
- char* filename = _filename;
- if(f)
- {
- if(!fgets(filename, (int)sizeof(_filename)-2, f))
- break;
- //while(*filename && isspace(*filename))
- // ++filename;
- if(filename[0] == '#')
- continue;
- int l = strlen(filename);
- while(l > 0 && isspace(filename[l-1]))
- --l;
- filename[l] = '\0';
- img = imread(filename);
- }
- printf("%s:\n", filename);
- if(!img.data)
- continue;
- fflush(stdout);
- vector<Rect> found, found_filtered;
- double t = (double)getTickCount();
- // run the detector with default parameters. to get a higher hit-rate
- // (and more false alarms, respectively), decrease the hitThreshold and
- // groupThreshold (set groupThreshold to 0 to turn off the grouping completely).
- hog.detectMultiScale(img, found, 0, Size(8,8), Size(32,32), 1.05, 2);
- t = (double)getTickCount() - t;
- printf("tdetection time = %gms\n", t*1000./cv::getTickFrequency());
- size_t i, j;
-
相關推薦
學習OpenCV——行人檢測&人臉檢測(總算執行出來了)
之前執行haar特徵的adaboost演算法人臉檢測一直出錯,加上今天的HOG&SVM行人檢測程式,一直報錯。 今天總算髮現自己犯了多麼白痴的錯誤——是因為外部依賴項lib檔案沒有新增完整,想一頭囊死啊 做程式一定要心如止水!!! 仔細查詢!!! 1.人臉
OpenCV學習代碼記錄——人臉檢測
puts tro 按鍵 img IE source cpu cpp gray 很久之前學習過一段時間的OpenCV,當時沒有做什麽筆記,但是代碼都還在,這裏把它貼出來做個記錄。 代碼放在碼雲上,地址在這裏https://gitee.com/solym/OpenCVTest/
OpenCV神技——人臉檢測、貓臉檢測
簡介 OpenCV是一個基於BSD許可(開源)發行的跨平臺計算機視覺庫,可以執行在Linux、Windows、Android和Mac OS作業系統上。它輕量級而且高效——由一系列 C 函式和少量 C++ 類構成,同時提供了Python、Ruby、MATLAB等語言的介面,實現了影象處理和計算機視覺方面的很多
OpenCV神技——人臉檢測,貓臉檢測
簡介 OpenCV是一個基於BSD許可(開源)發行的跨平臺計算機視覺庫,可以執行在Linux、Windows、Android和Mac OS作業系統上。它輕量級而且高效——由一系列 C 函式和少量 C++ 類構成,同時提供了Python、Ruby、MATLAB
OpenCV呼叫攝像頭 , 人臉檢測demo
github部落格傳送門 csdn部落格傳送門 環境: 安裝OpenCV: conda install opencv 或 pip install opencv 安裝PIL: conda install pillow pip install pillow 效果: 所需檔案: 下載連結: 所需檔案
opencv 視訊中人臉檢測
opencv 視訊中人
Android 中使用 dlib+opencv 實現動態人臉檢測
1 概述 完成 Android 相機預覽功能以後,在此基礎上我使用 dlib 與 opencv 庫做了一個關於人臉檢測的 demo。該 demo 在相機預覽過程中對人臉進行實時檢測,並將檢測到的人臉用矩形框描繪出來。具體實現原理如下: 採用雙層 View,底層的 TextureView 用於預覽,程式從 T
Python和OpenCV簡單的人臉檢測程式
最近想要搞人臉識別的東西,所以先弄了個簡單的人臉檢測的程式,網上找的許多都無法使用,不知道是不是Opencv版本的關係,或者是和Python結合後產生的問題,感覺很多API都是錯的,這裡用的是opencv2.3.1和python2.7。Python需要安裝numpy
Opencv之簡單人臉檢測
話不多說,直接上程式碼: #include "stdafx.h" #include <opencv2\opencv.hpp> using namespace cv; int main() { CascadeClassifier face_casc
opencv聯合dlib人臉檢測例子
原始碼比較簡潔,雜餘資訊全部去掉,原始碼中已經做了中文註釋。本例子是用opencv載入影象,然後呼叫dlib進行人臉檢測,得到人臉所在區域以及特徵點,最後還是用opencv描繪人臉特徵點。 例子原始碼以及解釋: #include <dlib/ima
Python學習經典案例:人臉檢測
== append ges from 圖像 解鎖 draw cascade imp 前言 隨著科技的發展,人臉識別技術在許多領域得到的非常廣泛的應用,手機支付、銀行身份驗證、手機人臉解鎖等等。 識別 廢話少說,這裏我們使用 opencv 中自帶了 haar人臉特征
自己研究了好久的docker_ubuntu_ssh登入,總算坑出來了(倒著看)
下載映象 docker pull mysql 從dockerpull社群下載映象 docker pull dl.dockerpoll.com:5000/ubuntu 建立一個容器執行bash應用 docker run -t i ubuntu /bin/bash 列出本地映象
【機器學習】最容易實現的基於OpenCV的人臉檢測程式碼、檢測器及檢測效果
基於opencv自帶的人臉檢測模型,實現簡單的人臉檢測功能,可作為機器學習初學者練手使用。簡單易學,具體的方法及程式碼如下。 1、執行結果 輸入原圖 輸出結果 2、工程需要載入的opencv庫如下: 3、用到的人臉檢測器 4、具體實現程式碼 #
Opencv+python3學習----人臉檢測的簡單實現
利用幀差法找出兩幀影象的不同,再填充孔洞,找到連通域,找到輪廓的邊界並畫出邊界框。演算法比較粗糙,對光照有一定要求,可自行設定二值圖閾值除錯。 環境:opencv3.1+python3 # -*- coding: gb2312 -*- import a
利用OpenCV和深度學習實現人臉檢測
// Summary: 使用OpenCV3.3.1中的face_detector // Author: Amusi // Date: 2018-02-28 // Reference: http://blog.csdn.net/minstyrain/article/details/78907425 #in
vs2015學習qt562_64位的opencv人臉檢測專案工程配置
1、說明:文件中不懂的地方可參考:vs2015學習opencv330_64位的工程配置 。 2、vs2015下載安裝 3、vs2015的qt外掛下載安裝 4、qt庫下載安裝(最後的分享地址中,在qt庫的目錄下面找到安裝包,安裝好後再把需要的庫拷貝到qt
opencv基於深度學習的人臉檢測
opencv3.4 版之前自帶的人臉檢測器是基於Haar+Adaboost的,速度還可以,但是檢出率很低,誤檢也很多,臉的角度稍大就檢不出來,還經常會把一些亂七八糟的東西當做人臉,實在不敢恭維。好在隨著深度學習領域的發展,湧現了一大批效果相當不錯的人臉檢測演算法,比如MTCN
OpenCV學習筆記(10):人臉檢測
1. 前言 OpenCV實現人臉檢測主要是採用了adaboost分類演算法,這種演算法是屬於機器學習範疇,需要使用海量圖片進行訓練,得到一個分類檔案,然後根據該檔案中的引數進行人臉檢測。由於訓練過程比較複雜,我們在此不再累述,直接使用官方釋出的XML檔案即可。
(學習筆記二)——基於opencv人臉檢測原理及實現
最近搞了幾天的人臉檢測,終於把大體框架和原理搞清楚了,現在寫出來供大家學習之用,如有不對之處,還請大家指正。也希望大家在學習opencv的過程中能將學習過程及重點記錄下來,以部落格的形式分析,畢竟opencv的教材還不太多,我們自己學習大部分要靠網上的資料。通過部落格分享的
opencv學習篇(2)haar人臉檢測
下圖就是使用上述程式碼對內建攝像頭的視訊流進行人臉檢測的結果影象: 注意複製分類器檔案 haarcascade_frontalface_alt.xml 和 haarcascade_eye_tree_eyeglasses.xml 到你的當前目錄下. 他們在OpenCV安裝資料夾 opencv/data/haa