Cascade級聯分類器是一種快速簡單的分類方法，opencv2和opencv3中提供了完整的cascade分類器的訓練和檢測方法，本篇主要介紹下級聯分類器的檢測方法。

opencv中用于級聯分類的類是cv::CascadeClassifier，下面以人臉識別為例，簡單介紹下這個類的使用方法。

代碼如下：

//定義級聯分類器cv::CascadeClassifier face_detector;//加在分類器face_detector.load("haarcascade_frontalface_default.xml");//判斷分類器是否加載成功if (face_detector.empty()){std::cerr << "load detector failed!!!" << std::endl;return;}//獲取訓練集的原始尺寸，作為分類器的最小尺寸，這樣能得到最佳的檢測效果（不是必須的）cv::Size original_size = face_detector.getOriginalWindowSize();cv::Mat image = cv::imread("image.png", cv::IMREAD_COLOR);cv::Mat image_gray;cv::cvtColor(image, image_gray, cv::COLOR_BGR2GRAY);//用于保存檢測到的目標窗口std::vector<cv::Rect> faces;//進行多尺度人臉檢測face_detector.detectMultiScale(image_gray, faces, 1.1, 3, 0 | cv::CASCADE_SCALE_IMAGE, original_size);//將檢測到的目標窗口逐個繪制到原圖上for (size_t i = 0; i < faces.size(); i++){cv::rectangle(image, faces[i], cv::Scalar(0, 0, 255), 2, 8, 0);}cv::imshow("detect result", image);cv::waitKey(0);

opencv3安裝目錄下有個etc文件夾，這個文件夾下有兩個文件夾，分別保存了基于haar特征和lbp特征訓練得到的多種目標檢測的分類器的xml文件，其中就有人臉檢測的分類器，可以拿過來直接用。當然我們也可以使用訓練集，訓練自己的分類器。這里我們就選擇一個基于haar特征的人臉分類器來進行測試和說明。

cv::CascadeClassifier通過load()成員函數讀取分類器，然后就可以使用detectMultiScale()成員函數進行多尺度的級聯分類檢測。detectMultiScale()的調用方法如下：

cv::CascadeClassifier::detectMultiScale(const cv::Mat& image, // 輸入待檢測的圖像（灰度）vector<cv::Rect>& objects, // 輸出的目標窗口double scaleFactor = 1.1, // 尺度系數int minNeighbors = 3, // 需要的鄰域數int flags = 0, // flag (舊風格的cascades)cv::Size minSize = cv::Size(), // 最小檢測窗口cv::Size maxSize = cv::Size() // 最大檢測窗口);

檢測結果：

2017.04.12

總結

以上是生活随笔為你收集整理的【OpenCV3】级联分类器目标检测——cv::CascadeClassifier简介的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。