蜜臀AV一区二区,国产午夜福利100集发布,女人18片毛片60分钟,中文字幕精品无码一区二区

OpenCV中有檢測人臉的函數(shù)（該函數(shù)還可以檢測一些其他物體）， 甚至還包含一些預(yù)先訓(xùn)練好的物體識別文件。

所以利用這些現(xiàn)成的東西就可以很快做出一個人臉檢測的程序。

主要步驟為：

1.加載分類器。

用cvLoad函數(shù)讀入xml格式的文件。文件在OpenCV安裝目錄下的“data/haarcascades/”路徑下。

2.讀入待檢測圖像。讀入圖片或者視頻。

3.檢測人臉。

#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>

#ifdef _EiC 

#define WIN32 

#endif

static CvMemStorage* storage = 0; 

static CvHaarClassifierCascade* cascade = 0;

void detect_and_draw( IplImage* image );

const char* cascade_name = 

"haarcascade_frontalface_alt.xml"; 

/*    "haarcascade_profileface.xml";*/

int main( int argc, char** argv ) 

{ 

    cascade_name = "haarcascade_frontalface_alt2.xml"; 

    cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 ); 

    if( !cascade ) 

    { 

        fprintf( stderr, "ERROR: Could not load classifier cascade\n" ); 

        return -1; 

    } 

    storage = cvCreateMemStorage(0); 

    cvNamedWindow( "result", 1 ); 

    const char* filename = "Lena.jpg"; 

    IplImage* image = cvLoadImage( filename, 1 );

    if( image ) 

    { 

        detect_and_draw( image ); 

        cvWaitKey(0); 

        cvReleaseImage( &image );   

    }

    cvDestroyWindow("result"); 

    return 0; 

}

void detect_and_draw(IplImage* img ) 

{ 

    double scale=1.2; 

    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}} 

    };//Just some pretty colors to draw with

    //Image Preparation 

    // 

    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); 

    cvCvtColor(img,gray, CV_BGR2GRAY); 

    cvResize(gray, small_img, CV_INTER_LINEAR);

    cvEqualizeHist(small_img,small_img); //直方圖均衡

    //Detect objects if any 

    // 

    cvClearMemStorage(storage); 

    double t = (double)cvGetTickCount(); 

    CvSeq* objects = 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.) );

    //Loop through found objects and draw boxes around them 

    for(int i=0;i<(objects? objects->total:0);++i) 

    { 

        CvRect* r=(CvRect*)cvGetSeqElem(objects,i); 

        cvRectangle(img, cvPoint(r->x*scale,r->y*scale), cvPoint((r->x+r->width)*scale,(r->y+r->height)*scale), colors[i%8]); 

    } 

    for( int i = 0; i < (objects? objects->total : 0); i++ ) 

    { 

        CvRect* r = (CvRect*)cvGetSeqElem( objects, 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); 

}

 流程說明：

       原始待檢測圖像經(jīng)過resize，生成不同尺寸的圖像構(gòu)建圖像金字塔作為網(wǎng)絡(luò)的輸入。

構(gòu)建的圖像金字塔，其層數(shù)由兩個因素決定，第一個是設(shè)置的最小人臉minSize，第二個是縮放因子factor，最小人臉表示min(w,h)，論文中說明最小人臉不能小于12，給出的縮放因子0.709可以根據(jù)公式計算圖像金字塔的層數(shù)

minL=org_L*(12/minsize)*factor^(n)，n={0,1,2,3,...,N}

其中n就是金字塔的層數(shù)，org_L是輸入原始圖像的最小邊min(W,H),minisize是人為根據(jù)應(yīng)用場景設(shè)定，在保證minL大于12的情況下，所有的n就構(gòu)成金字塔的層。所以minsize的值越小，n的取值范圍就越大，計算量就相應(yīng)地增加，能夠檢測到的人臉越小