让opencv输出人脸检测的得分（置信率）

最近项目略多，其中一个需要找出一些和脸比较像但是不是脸的负样本，想用opencv的人脸检测器检测到的错误脸作为这样的负样本。

但是国内（包括国外）居然几乎没有相关的资料如何输出detectMultiScale（）的置信率或者说是人脸得分

所以写一篇小小的总结供有相关需求的人参考。

转载需注明：http://www.cnblogs.com/sciencefans/

看了下人脸识别函数的opencv的源码

\sources\modules\objdetect\src\cascadedetect.cpp

中detectMultiScale有两个重载，第二个重载在opencv的开发文档里居然只字未提：

void CascadeClassifier::detectMultiScale( const Mat& image, vector<Rect>& objects,

                                          vector<int>& rejectLevels,

                                          vector<double>& levelWeights,

                                          double scaleFactor, int minNeighbors,

                                          int flags, Size minObjectSize, Size maxObjectSize,

                                          bool outputRejectLevels )

发现他有个rejectLevels和levelWeight这两个引用参数，看名字感觉是一种得分输出。

google了一下发现国外问的人不少但是基本没啥解释（或者是我没认真找？）

然后看了下它调用的cvHaarDetectObjectsForROC（）的源码实现，大概懂了这俩vectors是在干什么的。

先上结论：确实和人脸得分有关。

首先应该明白一点detectMultiScale()这个方法是一个级联分类器，使用了boosting的方法。所以输入图像要经过层层（级级）选拔，留到最后的才是真汉子（正样本）

rejectLevels就是代表在第几层被out的。如果是最后一层（在lbpcascade_frontalface.xml中是20，具体要看xml中的叙述）被out，则说明很可能是正样本。

为啥说很可能呢？

因为还有个参数：levelWeight。即使是在最后一层被out的，levelWeight很小甚至是负数，也可以看成是负样本。

实际上很多负样本正是在最后一层被out的。

见下图：

我这里只截取了level在20才out的框。输出了他们的levelWeight。是脸的地方最大是4.23多，其他的就很小。不用过多解释了吧~

所以这个函数的原理是这样的（个人理解，有错误请指教）：

首先一个level一个level地测试样本，然后每一个level给一个对应的得分，也就是levelWeight，如果这个weight低于或者高于对应level的threshold，则被抛弃。

坚持到最后一个level并且在最后一个level仍然满足threshold的框就是正确的脸（正样本）。

所以，人脸的分应该是这样：level越大，分数越高，在相同的level，levelWeight越大分数越高。

但是实际上真正的人脸都是能坚持到level20（最后一个level）的，所以只比对最后一个level的所有大于1的框的levelWeight进行比对就可以知道脸的得分啦~

这里给出所有level被gg的框的图：

最后给出灰常短小精悍的demo的源代码：

 #include <opencv2\opencv.hpp>

 #include <iostream>

 #include <vector>

 #include <fstream>

 #include <math.h>

 using namespace std;

 using namespace cv;

 const string xmlpath = "lbpcascade_frontalface.xml";

 CascadeClassifier face_cc;

 int tic = ;

 void detect(Mat img){

     vector<Rect> faces;

     vector<int> rejLevel;

     vector<double> levelW;

     Mat grayimg;

     cvtColor(img, grayimg, CV_RGB2GRAY);

     equalizeHist(grayimg, grayimg);

     int minl = min(img.rows, img.cols);

     face_cc.detectMultiScale(grayimg, faces, rejLevel, levelW, 1.1, , , Size(), Size(), true);

     //face_cc.detectMultiScale(grayimg, faces, 1.1);

     for ( int i = ; i < faces.size(); i++ )

     {

         if ( rejLevel[i] <  )

         {

             continue;

         }

         stringstream text1, text2;

         text1 << "rejLevel:" << rejLevel[ i ];

         text2 << "levelW:" << levelW[ i ];

         string ttt = text1.str();

         rectangle(img, faces[ i ], Scalar(, , ), , , );

         putText(img, ttt, cvPoint(faces[ i ].x, faces[ i ].y - ), , , Scalar(,,));

         ttt = text2.str();

         putText(img, ttt, cvPoint(faces[ i ].x, faces[ i ].y + ), , , Scalar(, , ));

     }

     imshow("IMG", img);

     waitKey();

 }

 int main(){

     if ( !face_cc.load(xmlpath) )

     {

         cout << "load error!\n";

         return -;

     }

     ifstream pathin;

     pathin.open("imgpath.txt");

     string t;

     while ( pathin >> t && tic < )

     {

         Mat img = imread(t);

         detect(img);

     }

     pathin.close();

     return ;

 }

巴特西

让opencv输出人脸检测的得分（置信率）

最新文章

热门文章