OpenCV 2.4.8 人脸检测性能不佳答案

【问题标题】：Poor Performance with OpenCV 2.4.8 face detectionOpenCV 2.4.8 人脸检测性能不佳
【发布时间】：2014-03-16 23:17:11
【问题描述】：

我安装了 OpenCV 2.4.8 Java API 来使用tutorial 中给出的人脸检测示例。

在示例中，lbpcascade_frontalface.xml - 这是一个 CascadeClassifier- 在检测他们提供的女性面部图像 (lena.png) 时工作正常。然而，当我在网络上的这个随机的image 上尝试它时，分类器生成了以下图像，缺少 4 个明显的（！）面孔：

我很失望，因为我希望这张（具有清晰的对比）是一张非常容易检测人脸的图像。

1) 用Java编码，是否可以改进这个分类器来检测这张图片中的所有人脸？或者我需要 C++ 吗？

2) 我查看了OpenCV's CascadeClassification web page，发现可以训练自己的分类器。但说明是用 C++ 编写的。有没有人使用 Java 做到这一点，还是只能在 C++ 中做到这一点？

【问题讨论】：

尝试使用其他级联，例如lbpcascade_frontalface_alt2.xml

标签： java c++ opencv face-detection

【解决方案1】：

培训与任何编程语言无关。

http://docs.opencv.org/doc/user_guide/ug_traincascade.html

您只需要使用 opencv 库中包含的两个已编写的程序：createsamples 和 traincascade。您也可以使用 Haar 和 LBP 特征，但 Haar 特征在人脸检测方面略胜一筹。（顺便说一句：不要使用 haartraining）。

【讨论】：

谢谢，您为什么不建议使用 haarttraining？我知道opencv_traincascade 已经取代了opencv_haartraining，因为某些版本是 2.X，所以后者已被弃用。另外我听说opencv_haartraining太慢了。你知道训练有什么其他不受欢迎的特征吗？
第一：因为不再支持“haartraining”，你会发现使用它的帮助很少。第二：为什么要用更多的程序，如果你只能用一个（如果你想改变特征的类型而不改变训练数据，你只需要重置相应的参数）。

【解决方案2】：

是因为教程选择使用的faceDetector是lbpcascade_frontalface.xml不够好，至少不能检测到你使用的图片中的所有人脸。

您可以更改为使用 opencv-2.4.8\sources\data\haarcascades 文件夹下的 haarcascade_frontalface_alt.xml。然后将检测到所有面部。

结果如下：，更多详情请参考：http://www.pkuaas.org/?uid-1140-action-viewspace-itemid-3224

【讨论】：

【解决方案3】：

我已经保存了你的图片，这个 c++ 代码找到了丢失的 4 张面孔以及所有其他面孔（注意不同的 Haar 级联和最小尺寸）：

    Mat im1 = imread("JuVIA.png", CV_LOAD_IMAGE_COLOR);

    vector<Rect> faces;
    CascadeClassifier cascade( "C:/local/opencv249/sources/data/haarcascades/haarcascade_frontalface_alt2.xml" );
    cascade.detectMultiScale( im1, faces, 1.1, 2, 0| CV_HAAR_SCALE_IMAGE, Size(30, 30) );

    for( vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++ )
        cv::rectangle( im1, *r, CV_RGB(255,0,0) );

    imshow("in", im1);
    imwrite( "miss4.png", im1);
    waitKey();

【讨论】：