逍遙文工作室

最先看到有人臉偵測的設備是什麼呢？當然是非「數位相機」莫屬啦～只要real-time找到人臉，接著加以追蹤，直到按下快門前，焦點都會在這個人臉上頭，如此一來就不太會發生失焦的狀況。

多媒體設計課程老師介紹一篇paper「Robust Real-Time Face Detection」，這是一篇2004年在IJCV上發表的論文，裡頭談到Haar-Features、Detection Framework、Integral Image、Feature Selection、Learning the Classifier、AdaBoost、Detection Procedure、Cascade Method。

Face Detection基本作法就是先做Feature Extraction，接著做Cascade Detection。特徵擷取(Feature Extraction)沒有問題，那麼瀑布偵測(Cascade Detection)是什麼呢？其實就只是一連串的檢查動作，通過第一關才能進入第二關，通過第二關才能進入地三關……直到通過最後一關，才會將此特徵辨識為人臉。

paper所使用的特徵型有四種，在偵測階段時，因為大部分的window沒有包含人臉，於是提早拒絕負面的window，來加快偵測速度。因為我們人臉不一定都是「正」的，有時候會坐著、躺著、手會支撐著臉、情人依偎等等，臉可能會有高達45度角的狀況，此時檢測視窗(如下圖的A、B、C、D特徵型態)就會改變角度來掃描搜索視窗(如下圖的正方形)。

搜尋了網路的這篇paper，竟然有2146次被引用的紀錄！我想偵測人臉是個非常實用的技術，在照相、攝影、監視器等各種追蹤人的設備上都相當需要，能想到這idea的作者真是厲害呢！

註：2012/11/20查詢google，該篇引用次數已達6260次！

首先來看一下程式碼：

/**
	Theme: Face Detection
	Compiler: Dev C++ 4.9.9.2
	Date: 100/04/26
	Author: ShengWen
	Blog: https://cg2010studio.wordpress.com/
*/
#include "cv.h"
#include "cxcore.h"
#include "highgui.h"
#include <iostream>
using namespace std;
// the minimum object size
int min_face_height = 50;
int min_face_width = 50;
int main( int argc , char ** argv ){
	string image_name="../image/XD2.jpg";
	// Load image
	IplImage* image_detect=cvLoadImage(image_name.c_str(), 1);
	string cascade_name="../haarcascades/haarcascade_frontalface_default.xml";
	// Load cascade
	CvHaarClassifierCascade* classifier=(CvHaarClassifierCascade*)cvLoad(cascade_name.c_str(), 0, 0, 0);
	if(!classifier){
        cerr<<"ERROR: Could not load classifier cascade."<<endl;
        return -1;
    }
	CvMemStorage* facesMemStorage=cvCreateMemStorage(0);
	IplImage* tempFrame=cvCreateImage(cvSize(image_detect->width, image_detect->height), IPL_DEPTH_8U, image_detect->nChannels);
	if(image_detect->origin==IPL_ORIGIN_TL){
        cvCopy(image_detect, tempFrame, 0);    }
    else{
        cvFlip(image_detect, tempFrame, 0);    }
	cvClearMemStorage(facesMemStorage);
CvSeq* faces=cvHaarDetectObjects(tempFrame, classifier, facesMemStorage, 1.1, 3
, CV_HAAR_DO_CANNY_PRUNING, cvSize(min_face_width, min_face_height));
	if(faces){
		for(int i=0; i<faces->total; ++i){
			// Setup two points that define the extremes of the rectangle,
			// then draw it to the image
			CvPoint point1, point2;
			CvRect* rectangle = (CvRect*)cvGetSeqElem(faces, i);
			point1.x = rectangle->x;
			point2.x = rectangle->x + rectangle->width;
			point1.y = rectangle->y;
			point2.y = rectangle->y + rectangle->height;
			cvRectangle(tempFrame, point1, point2, CV_RGB(255,0,0), 3, 8, 0);
		}
	}
	// Save the image to a file
	cvSaveImage("../result/result.jpg", tempFrame);
	// Show the result in the window
	cvNamedWindow("Face Detection Result", 1);
	cvShowImage("Face Detection Result", tempFrame);
	cvWaitKey(0);
	cvDestroyWindow("Face Detection Result");
	// Clean up allocated OpenCV objects
	cvReleaseMemStorage(&facesMemStorage);
	cvReleaseImage(&tempFrame);
	cvReleaseHaarClassifierCascade(&classifier);
	cvReleaseImage(&image_detect);
	return EXIT_SUCCESS;
}

cvHaarDetectObjects(const CvArr* image, CvHaarClassifierCascade* cascade,
CvMemStorage* storage, double scale_factor=1.1,
int min_neighbors=3, int flags=0,
CvSize min_size=cvSize(0,0) );
說明：

• image: 要偵測的圖片。
• cascade: 要使用的分類器。
• storage: 偵測到的物件所儲存的記憶體區塊。
• scale_factor: 搜索視窗成長比率。
• min_neighbors: 最少鄰近偵測視窗。一個臉可能重複偵測好幾次，但我們只要取一次，如果設0的話，所有偵測的視窗都會畫出來。
• flag: 演算法模式。
• min_size: 檢測視窗的最小尺寸。因為AdaBoost的演算法，分成搜索視窗和檢測視窗兩個部分，搜索視窗在整個影像中移動，檢測視窗在搜索視窗中移動並計算特徵值。當檢測視窗越小，則計算特徵值的單位就越小，需要的運算量就越高，但是結果不一定會更為精確。

在此需要特別注意的地方是路徑，接著就是classifier的選擇，我所使用的是OpenCV 2.0，訓練好的分類器放在C:\OpenCV2.0\data\haarcascades，這次人臉偵測實驗使用haarcascade_frontalface_default.xml，效果比較好的則是haarcascade_frontalface_alt.xml。其它的還有可以偵測眼睛、嘴巴、鼻子、上半身、下半身等等，但並不是所有分類器都能運作的相當好。這次實做相當好玩，有興趣的人趕快來玩玩看吧～

註：對於初學者來說，可以試著先安裝環境來跑程式，接著瞭解程式碼的意義喔！環境建置可以參考我這篇：Dev-C++4.9.9.2 安裝 OpenCV 2.0。

結論：Haar Features的效果非常好，然而在影像長寬不一樣（如上）時，會有不一樣的偵測結果，我想這跟我設定的偵測框架大小有關係，像素多的影像可以擷取較細節的特徵，而像素少的則相反，看來還是得根據需要來調整影像大小或偵測框架大小。因為影像有縮小，但依然可以看到，左邊也就是像素大的影像紅框比較細，而右邊則比較粗。

我將參數調整恰到好處：

• int min_face_height = 50;
• int min_face_width = 50;
• CvSeq* faces=cvHaarDetectObjects(tempFrame, classifier, facesMemStorage, 1.1, 3, CV_HAAR_DO_CANNY_PRUNING, cvSize(min_face_width, min_face_height));

參考：簡單的人臉偵測(face detection)，使用HaarDetectObjects、cvHaarDetectObjects、Viola-Jones object detection framework、Face Detection (人臉偵測)。

推薦書籍：

• 博客來 – OpenCV with Microsoft Visual Studio影像辨識處理
• 博客來 – OpenCV圖像處理編程實例
• 博客來 – OpenCV3編程入門
• 博客來 – OpenCV程式設計參考手冊