标签：scale win 没有 rectangle ram style ima nbsp XML
级联分类器的计算特征值的基础类FeatureEvaluator
功能：读操作read、复制clone、获得特征类型getFeatureType，分配图片分配窗口的操作setImage、setWindow，计算有序特征calcOrd，计算绝对特征calcCat，创建分类器特征的结构create函数。
目标级联矩形的分组函数groupRectangles
用load函数加载XML分类器文件具体步骤如下： { PS：目前提供的分类器包括Haar分类器和LBP分类器（数据较少）}
1.加载级联分类器
CascadeClassifier face_cascade; face_cascade.load("haarcascade_frontalface_alt.xml");
2.读取视频流
3.对每一帧使用该分类器
先对图像进行预处理——变成灰度图，并将其直方图均衡化
若检测人脸，调用detectMultiScale函数，函数详情如下：
void detectMultiScale( const Mat& image, //待检测灰度图像 CV_OUT vector<Rect>& objects, //被检测物体的矩形框向量 double scaleFactor = 1.1, //前后两次相继的扫描中搜索窗口的比例系数，默认为1.1 即每次搜索窗口扩大10% int minNeighbors = 3, //构成检测目标的相邻矩形的最小个数 如果组成检测目标的小矩形的个数和小于minneighbors - 1 都会被排除 //如果minneighbors为0 则函数不做任何操作就返回所有被检候选矩形框 int flags = 0, //若设置为CV_HAAR_DO_CANNY_PRUNING 函数将会使用Canny边缘检测来排除边缘过多或过少的区域 Size minSize = Size(), Size maxSize = Size() //最后两个参数用来限制得到的目标区域的范围 );
PS：flags对于新的分类器没有用（但目前的haar分类器都是旧版的，CV_HAAR_DO_CANNY_PRUNING利用Canny边缘检测器来排除一些边缘很少或者很多的图像区域，CV_HAAR_SCALE_IMAGE就是按比例正常检测，CV_HAAR_FIND_BIGGEST_OBJECT只检测最大的物体，CV_HAAR_DO_ROUGH_SEARCH只做初略检测）
实例代码：
face_cascade.detectMultiScale( frame_gray, faces, 1.1, 2, 0|CV_HAAR_SCALE_IMAGE, Size(30, 30) );
OpenCV——级联分类器（CascadeClassifier）
标签：scale win 没有 rectangle ram style ima nbsp XML
原文地址：http://www.cnblogs.com/farewell-farewell/p/5945412.html
