C ++を使用してOpenCVの静止画で顔を検出するにはどうすればよいですか？

画像から顔を検出します。顔を検出するために、「detectMultiScale（）」関数を使用しました。

この関数の実際の形式は-

構文

detectMultiScale(source matrix, vector, searchScaleFactor, minNeighbours, flags, minfeatureSize)

関数の引数を変更することで、「detect.MultiSpace（）」関数を制御できます。この関数は次の引数を取ります。

ソースマトリックス

顔が検出されるマトリックスです。この場合、ビデオフレームを保持しているのはマトリックスになります。

ベクトル

'detect.MultiScale（）'関数は、長方形タイプのベクトルになります。長方形はOpenCVのベクトルであり、ベクトルとして定義する必要があります。

searchScaleFactor

検索スケール係数は、関数が検索する面のサイズの数を決定します。通常は1.1を使用します。必要に応じて、1.2を使用して検出システムを高速化できます。ただし、この場合、1.1を使用した場合ほど頻繁に顔が検出されません。

minNeighbours

このパラメーターは、検出器の信頼水準を検出します。これは、この関数が、検出器が顔を検出したことをどれだけ確信しているかを示すことを意味します。信頼性を高めるために、より高い数値を使用できますが、プロセスが遅くなります。プロセスを高速化するが信頼性を低くするために、より少ない数を使用できます。通常、minNeighboursとして3または4を使用します。

フラグ

デフォルトでは、関数はすべての面を検索します。フラグの値として「CASCADE_FIND_BIGGEST_OBJECT」を使用すると、最大の面のみが検索されます。この場合、システムのパフォーマンスは速くなります。 'CASCADE_SCALE_IMAGE'を使用して、複数の顔を検索できます。

minFeatureSize

minFeatureSizeは、顔の最小サイズを決定します。カメラから遠く離れた場所にある顔を検出する場合は、小さい値を使用する必要があります。顔がカメラに近い場合は、より大きな値を使用する必要があります。通常の距離には（20 x 20）または（30 x 30）サイズを使用します。この例では、detectMultiScale（）関数を

faceDetector.detectMultiScale(image_with_humanface, faces, 1.1, 4, CASCADE_SCALE_IMAGE, Size(20, 20));//

次のコードは、OpenCVの静止画から人間の顔を検出する方法を示しています。

例

#include<iostream>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
//This header includes definition of 'rectangle()' function//
#include<opencv2/objdetect/objdetect.hpp>
//This header includes the definition of Cascade Classifier//
#include<string>
using namespace std;
using namespace cv;
int main(int argc, char** argv) {
   Mat image_with_humanface;//Declaring a matrix to load image with human faces//
   image_with_humanface = imread("friends.jpg");//loading an image that contains human face in it//
   namedWindow("Face Detection");//Declaring a window to show the result//
   string trained_classifier_location = "C:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt.xml";//Defining the location our XML Trained Classifier in a string//
   CascadeClassifier faceDetector;//Declaring an object named 'face detector' of CascadeClassifier class//
   faceDetector.load(trained_classifier_location);//loading the XML trained classifier in the object//
   vector<Rect>faces;//Declaring a rectangular vector named faces//
   vector<Rect>boundary;//Declaring a rectangular vector named rectangle//
   faceDetector.detectMultiScale(image_with_humanface, faces, 1.1, 4, CASCADE_SCALE_IMAGE, Size(20, 20));//Detecting the faces in 'image_with_humanfaces' matrix//
   for (size_t i = 0; i < faces.size(); i++){ //Loop to draw rectangle around the faces//
      Mat faceROI = image_with_humanface(faces[i]);//Storing the face in a matrix//
      int x = faces[i].x;//Getting the initial row value of face rectangle's starting point//
      int y = faces[i].y;//Getting the initial column value of face rectangle's starting point//
      int h = y + faces[i].height;//Calculating the height of the rectangle//
      int w = x + faces[i].width;//Calculating the width of the rectangle//
      rectangle(image_with_humanface, Point(x, y), Point(w, h), Scalar(255, 0, 255), 2, 8, 0);//Drawing a rectangle using around the faces//
   }
   imshow("Face Detection", image_with_humanface);//Showing the detected face//
   waitKey(0);//To wait for keystroke to terminate the program//
   return 0;
}

出力