最近專案略多，其中一個需要找出一些和臉比較像但是不是臉的負樣本，想用opencv的人臉檢測器檢測到的錯誤臉作為這樣的負樣本。

但是國內（包括國外）居然幾乎沒有相關的資料如何輸出detectMultiScale（）的置信率或者說是人臉得分

所以寫一篇小小的總結供有相關需求的人蔘考。

看了下人臉識別函式的opencv的原始碼

\sources\modules\objdetect\src\cascadedetect.cpp

中detectMultiScale有兩個過載，第二個過載在opencv的開發文件里居然隻字未提：

void CascadeClassifier::detectMultiScale( const
 
 Mat& image, vector<Rect>& objects,
                                          vector<int>& rejectLevels,
                                          vector<double>& levelWeights,
                                          double scaleFactor, int minNeighbors,
                                          
 
int flags, Size minObjectSize, Size maxObjectSize,
                                          bool outputRejectLevels )

發現他有個rejectLevels和levelWeight這兩個引用引數，看名字感覺是一種得分輸出。

google了一下發現國外問的人不少但是基本沒啥解釋（或者是我沒認真找？）

然後看了下它呼叫的cvHaarDetectObjectsForROC（）的原始碼實現，大概懂了這倆vectors是在幹什麼的。

先上結論：確實和人臉得分有關。

首先應該明白一點detectMultiScale()這個方法是一個級聯分類器，使用了boosting的方法。所以輸入影象要經過層層（級級）選拔，留到最後的才是真漢子（正樣本）

rejectLevels就是代表在第幾層被out的。如果是最後一層（在lbpcascade_frontalface.xml中是20，具體要看xml中的敘述）被out，則說明很可能是正樣本。

為啥說很可能呢？

因為還有個引數：levelWeight。即使是在最後一層被out的，levelWeight很小甚至是負數，也可以看成是負樣本。

實際上很多負樣本正是在最後一層被out的。

見下圖：

我這裡只截取了level在20才out的框。輸出了他們的levelWeight。是臉的地方最大是4.23多，其他的就很小。不用過多解釋了吧~

所以這個函式的原理是這樣的（個人理解，有錯誤請指教）：

首先一個level一個level地測試樣本，然後每一個level給一個對應的得分，也就是levelWeight，如果這個weight低於或者高於對應level的threshold，則被拋棄。

堅持到最後一個level並且在最後一個level仍然滿足threshold的框就是正確的臉（正樣本）。

所以，人臉的分應該是這樣：level越大，分數越高，在相同的level，levelWeight越大分數越高。

但是實際上真正的人臉都是能堅持到level20（最後一個level）的，所以只比對最後一個level的所有大於1的框的levelWeight進行比對就可以知道臉的得分啦~

這裡給出所有level被gg的框的圖：

最後給出灰常短小精悍的demo的原始碼：

 1 #include <opencv2\opencv.hpp>
 2 #include <iostream>
 3 #include <vector>
 4 #include <fstream>
 5 #include <math.h>
 6 using namespace std;
 7 using namespace cv;
 8 const string xmlpath = "lbpcascade_frontalface.xml";
 9 CascadeClassifier face_cc;
10 
11 int tic = 0;
12 
13 void detect(Mat img){
14     vector<Rect> faces;
15     vector<int> rejLevel;
16     vector<double> levelW;
17     Mat grayimg;
18     cvtColor(img, grayimg, CV_RGB2GRAY);
19     equalizeHist(grayimg, grayimg);
20     int minl = min(img.rows, img.cols);
21     face_cc.detectMultiScale(grayimg, faces, rejLevel, levelW, 1.1, 3, 0, Size(), Size(), true);
22     //face_cc.detectMultiScale(grayimg, faces, 1.1);
23     for ( int i = 0; i < faces.size(); i++ )
24     {
25         if ( rejLevel[i] < 00 )
26         {
27             continue;
28         }
29         stringstream text1, text2;
30         text1 << "rejLevel:" << rejLevel[ i ];
31         text2 << "levelW:" << levelW[ i ];
32         string ttt = text1.str();
33         rectangle(img, faces[ i ], Scalar(255, 255, 0), 2, 8, 0);
34         putText(img, ttt, cvPoint(faces[ i ].x, faces[ i ].y - 3), 1, 1, Scalar(0,255,255));
35         ttt = text2.str();
36         putText(img, ttt, cvPoint(faces[ i ].x, faces[ i ].y + 12), 1, 1, Scalar(255, 0, 255));
37     }
38     imshow("IMG", img);
39     waitKey(0);
40 }
41 
42 int main(){
43     if ( !face_cc.load(xmlpath) )
44     {
45         cout << "load error!\n";
46         return -1;
47     }
48     ifstream pathin;
49     pathin.open("imgpath.txt");
50     string t;
51     while ( pathin >> t && tic < 10000)
52     {
53         Mat img = imread(t);
54         detect(img);
55     }
56     pathin.close();
57     return 0;
58 }