是否有任何简单的算法来判断给定图像是人脸还是其他东西（希望无需训练）？
我的想法是构造每个图像的特征向量，然后应用一些聚类方法（例如 k-means 与 k = 2）。但我不确定即使获得了良好的聚类结果，区分人脸/非人脸的最佳标准是什么？
【问题讨论】：
标签： algorithm opencv image-processing machine-learning computer-vision
您可以使用 Haar 分类器方法在图像/视频帧中进行人脸检测。
在图像中查找人脸的示例代码如下所示
int main(int argc, _TCHAR* argv[])
{
IplImage* img;
img = cvLoadImage( "dasl_hubo.jpg" );
CvMemStorage* storage = cvCreateMemStorage(0);
// Note that you must copy C:\Program Files\OpenCV\data\haarcascades\haarcascade_frontalface_alt2.xml or where opencv is installed
// to your working directory
CvHaarClassifierCascade* cascade = (CvHaarClassifierCascade*)cvLoad( "haarcascade_frontalface_alt2.xml" );
double scale = 1.3;
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}} };// this will draw rectangles of these colors around the detected faces.
// Detect objects
cvClearMemStorage( storage );
CvSeq* objects = cvHaarDetectObjects( img, cascade, storage, 1.1, 4, 0, cvSize( 40, 50 ));
CvRect* r;
// Loop through objects and draw boxes
for( int i = 0; i < (objects ? objects->total : 0 ); i++ ){
r = ( CvRect* )cvGetSeqElem( objects, i );
cvRectangle( img, cvPoint( r->x, r->y ), cvPoint( r->x + r->width, r->y + r->height ),
colors[i%8]);
}
cvNamedWindow( "Output" );
cvShowImage( "Output", img );
cvWaitKey();
cvReleaseImage( &img );
return 0;
}
访问这些链接以了解有关使用 harr 级联的人脸检测的更多信息
【讨论】：
特征分解通过在具有高方差的数据空间中查找方向来减少连续域中的维数。 K-means 在空间中寻找高密度点的簇。您将它们混合在一起，同时完全忽略了您将如何首先获得面部特征（您将如何缩放、旋转和裁剪您想要检查的任何内容）。
您无需训练 Haar 检测器，因为它们已经针对人脸进行了训练。他们检测到一张脸，而不是识别它的身份。您所需要的只是将代码与一个小文件一起移植，其中包含训练后获得的参数（已经执行过），如 Shiva 建议的那样。
不过，不加思索地复制粘贴代码并没有多大意义。阅读一些关于Haar 的内容。试着理解
【讨论】：
这是我在 C++ 中的 opencv 代码，借助 Opencv haar-like 功能可以简单地检测图像中的人脸，您可以参考文档了解其中一些方法的用法。希望对你有帮助。
CascadeClassifier face_cascade; //for read in haar-like faces database in opencv
std::vector<Rect> faces; //for storing detected faces
vector<Point2d> FaceCenter; //for storing centres of faces
Mat frame_gray = imread(“/Users/xxx/Desktop/xxx.jpg”, CV_8UC1); //read the image in gray-scale;
equalizeHist( frame_gray, frame_gray ); //histogram to extract the contrast
String face_cascade_name = "/Users/xxx/opencv-2.4.7/data/haarcascades/haarcascade_frontalface_alt.xml"; //path of the trained faces .xml file
if(!face_cascade.load(face_cascade_name)) //load the .xml
{
cout << "face_casacade.xml load error" << endl;
}
face_cascade.detectMultiScale( frame_gray, faces, 1.1, 2, 0, Size(50, 50) ); //Detect faces in the image
for(size_t i = 0; i < faces.size(); i++)
{
Point2d center(faces[i].x + faces[i].width*0.5, faces[i].y + faces[i].height*0.5); //store centres of faces
FaceCenter.push_back(center);
int radius = cvRound( (eyes[j].width + eyes[j].height)*0.25 ); //circle the faces in the image, optional
ellipse( frame_gray, center, Size( eyes[j].width*0.5, eyes[j].height*0.25), 0, 0, 360, Scalar( 255, 0, 0 ), 2, 8, 0 );
}
imshow(“Faces Detection”, frame_gray); //show the result
【讨论】：