เราตรวจจับใบหน้าจากภาพ ในการตรวจจับใบหน้า เราใช้ฟังก์ชัน 'detectMultiScale()'
รูปแบบที่แท้จริงของฟังก์ชันนี้คือ −
ไวยากรณ์
detectMultiScale(source matrix, vector, searchScaleFactor, minNeighbours, flags, minfeatureSize)
ด้วยการเปลี่ยนอาร์กิวเมนต์ของฟังก์ชัน เราสามารถควบคุมฟังก์ชัน 'detect.MultiSpace()' ได้ ฟังก์ชันนี้รับอาร์กิวเมนต์ต่อไปนี้
เมทริกซ์ต้นทาง
เป็นเมทริกซ์ที่จะตรวจจับใบหน้า ในกรณีนี้ จะเป็นเมทริกซ์ที่เก็บเฟรมวิดีโอ
เวกเตอร์
ฟังก์ชัน 'detect.MultiScale()' จะเป็นเวกเตอร์ประเภทสี่เหลี่ยม สี่เหลี่ยมผืนผ้าคือเวกเตอร์ใน OpenCV และเราต้องกำหนดเป็นเวกเตอร์
searchScaleFactor
ตัวคูณมาตราส่วนการค้นหากำหนดจำนวนใบหน้าที่ฟังก์ชันจะค้นหา ปกติเราใช้ 1.1 หากจำเป็น เราสามารถใช้ 1.2 เพื่อทำให้ระบบตรวจจับเร็วขึ้น อย่างไรก็ตาม ในกรณีนี้ จะตรวจไม่พบใบหน้าบ่อยเท่าเมื่อใช้ 1.1
นาทีเพื่อนบ้าน
พารามิเตอร์นี้ตรวจจับระดับความมั่นใจของเครื่องตรวจจับ หมายความว่าฟังก์ชันนี้แสดงให้เห็นว่าเครื่องตรวจจับมีความมั่นใจเพียงใดที่ตรวจพบใบหน้า เพื่อความน่าเชื่อถือที่ดีขึ้น เราสามารถใช้ตัวเลขที่สูงกว่าได้ แต่จะทำให้กระบวนการช้าลง สำหรับกระบวนการที่เร็วกว่าแต่มีความน่าเชื่อถือต่ำกว่า เราสามารถใช้ตัวเลขที่น้อยกว่าได้ เรามักจะใช้ 3 หรือ 4 เป็น minNeighbours
ธง
โดยค่าเริ่มต้น ฟังก์ชันจะค้นหาใบหน้าทั้งหมด หากเราใช้ 'CASCADE_FIND_BIGGEST_OBJECT' เป็นค่าแฟล็ก มันจะค้นหาเฉพาะใบหน้าที่ใหญ่ที่สุดเท่านั้น ในกรณีนี้ระบบจะทำงานเร็วขึ้น เมื่อใช้ 'CASCADE_SCALE_IMAGE' เราค้นหาใบหน้าได้หลายหน้า
minFeatureSize
minFeatureSize กำหนดขนาดต่ำสุดของใบหน้า หากเราต้องการตรวจจับใบหน้าที่อยู่ไกลจากกล้อง เราก็ควรใช้ค่าที่น้อยกว่า หากใบหน้าอยู่ใกล้กล้อง เราก็ควรใช้ค่าที่มากขึ้น เราใช้ขนาด (20 x 20) หรือ (30 x 30) สำหรับระยะทางทั่วไป ในตัวอย่าง เราใช้ฟังก์ชัน detectMultiScale() เป็น
faceDetector.detectMultiScale(image_with_humanface, faces, 1.1, 4, CASCADE_SCALE_IMAGE, Size(20, 20));//
โค้ดต่อไปนี้สาธิตวิธีตรวจจับใบหน้ามนุษย์จากภาพนิ่งใน OpenCV
ตัวอย่าง
#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;
} ผลลัพธ์
