【opencv基础】detectMultiScale函数详解及分类器置信度

前言

简单的人脸检测程序可以直接基于opencv的函数库进行实现，本文介绍一下detectMultiScale函数。

函数简介

opencv2人脸检测使用的是detectMultiScale函数，可以检测出图片中的所有人脸，并将vector类型保存各个人脸的位置和大小，用矩形Rect类表示，该函数由分类器的对象进行调用。

Haar特征分类器

Haar特征分类器就是一个XML文件，是opencv官方训练好的检测器，可以直接调用，存放在opencv的安装目录下。

.\opencv\sources\data\haarcascades

函数详解

不同版本的调用函数可能会有些微差别，可以查看函数的声明等。detectmultiscale函数可以得到每个人脸的得分。具体的声明如下。

    CV_WRAP virtual void detectMultiScale( const Mat& image,
                                   CV_OUT vector<Rect>& objects,
                                   double scaleFactor=1.1,
                                   int minNeighbors=3, int flags=0,
                                   Size minSize=Size(),
                                   Size maxSize=Size() );

    CV_WRAP virtual void detectMultiScale( const Mat& image,
                                   CV_OUT vector<Rect>& objects,
                                   vector<int>& rejectLevels,
                                   vector<double>& levelWeights,
                                   double scaleFactor=1.1,
                                   int minNeighbors=3, int flags=0,
                                   Size minSize=Size(),
                                   Size maxSize=Size(),
                                   bool outputRejectLevels=false );

rejectLevels：

levelWeights：

还有一个版本

void cv::CascadeClassifier::detectMultiScale( InputArray image,
                                      std::vector< Rect > &     objects,
                                      std::vector< int > &     numDetections,
                                      double     scaleFactor = 1.1,
                                      int     minNeighbors = 3,
                                      int     flags = 0,
                                      Size     minSize = Size(),
                                      Size     maxSize = Size() );    

 示例

        faces = det.detectMultiScale3(img, 1.3, 3, 0, minSize=(100,100), maxSize=(200, 200), outputRejectLevels=True)
        rects = faces[0]  # face bbox
        neighbours = faces[1]  # level
        weights = faces[2] # score

# For each resulting detection, levelWeights will then contain the certainty of classification at the final stage. This value can then be used to separate strong from weaker classifications.

Getting the confidence level of detectMultiscale in OpenCV with Python?

OpenCV: cv::CascadeClassifier Class Reference

让opencv输出人脸检测的得分(置信率) - sciencefans - 博客园

置信度的数值范围可能大于1，DMS单人脸检测时可以取置信度最高的那个bbox作为人脸区域；竟然还有负值？？？

置信度1.5以上，姿态角相对较小，小于1.5的一般姿态角太大，landmarks的可信度较低；

 

参考

1.opencv官网；

2.opencv例程；

完