[Face Detection] Combine Face Detection

개발환경

사용툴       : Visual Studio 2013 라이브러리 : openCV library 2.4.10 프로젝트    : Visual C++ console application 개발날짜    : 2015-04-08

참고 : stackoverflow -OpenCV saving video to file

        Mat 접근방법 - REAL STORY

Skin color detection 하고 난 후  후처리 작업으로  Skin color 영역을 제외한 영역은 검은색으로 만들었다.

그리고 Haar 분류기를 사용하여 얼굴 인식을 해봤다.

void FaceDetection::Combine_FaceDetection(const char* filename) {     int cnt = 0;     //create the cascade classifier object used for the face detection     CascadeClassifier face_cascade;     //use the haarcascade_frontalface_alt.xml library     face_cascade.load("haarcascade_frontalface_alt.xml");     //face_cascade.load("lbpcascade_frontalface.xml");       CvCapture* capture;       capture = cvCaptureFromFile(filename);       assert(capture != NULL);       IplImage* bgr_frame;// = cvQueryFrame(capture);       CvSize size = cvSize((int)cvGetCaptureProperty(capture, CV_CAP_PROP_FRAME_WIDTH),                           (int)cvGetCaptureProperty(capture, CV_CAP_PROP_FRAME_HEIGHT));       cvNamedWindow("CV_Window", 0);     cvResizeWindow("CV_Window", 2048, 1024);       CvVideoWriter *writer = cvCreateVideoWriter("combine.avi", CV_FOURCC('D', 'I', 'V', 'X'), 15, size);       while ((bgr_frame = cvQueryFrame(capture)) != NULL)     {        ////////////////////////////////////////////////////////////////////////////////////////////////////        // face detection and process        ////////////////////////////////////////////////////////////////////////////////////////////////////        cnt++;          Mat gray;        Mat frame;        Mat imgHSV;        Mat imgThresholded;        IplImage* covert_img;        frame = cvarrToMat(bgr_frame);        cvtColor(frame, gray, CV_BGR2GRAY);          equalizeHist(gray, gray);          cvtColor(frame, imgHSV, COLOR_BGR2HSV); //Convert the captured frame from BGR to HSV          inRange(imgHSV, Scalar(5, 61, 167), Scalar(111, 164, 255), imgThresholded); //Threshold the image        covert_img = Covert_Frame(bgr_frame, imgThresholded);          std::vector<Rect> faces;        face_cascade.detectMultiScale(covert_img, faces, 1.1, 2, CV_HAAR_SCALE_IMAGE | CV_HAAR_DO_CANNY_PRUNING, Size(10, 10), Size(100, 100));                       //draw a rectangle for all found faces in the vector array on the original image.        for (int i = 0; i < faces.size(); i++)        {            // face Mosaic process on the original image            Mosaic_process(bgr_frame, faces[i]);              Point pt1(faces[i].x + faces[i].width, faces[i].y + faces[i].height);            Point pt2(faces[i].x, faces[i].y);              rectangle(frame, pt1, pt2, cvScalar(0, 255, 0, 0), 2, 8, 0);            printf("face detection! num : %d - %d\n", faces.size(), i);        }        //////////////////////////////////////////////////////////////////////////////////////////////////////////////        cvWriteFrame(writer, covert_img);        cvShowImage("CV_Window", covert_img);        char c = cvWaitKey(1);        if (c == 27) break;        printf("A number of frame : %d\n", cnt);     }       cvReleaseVideoWriter(&writer);     cvReleaseCapture(&capture);     cvDestroyWindow("CV_Window"); }   IplImage* FaceDetection::Covert_Frame(IplImage* _origin, Mat skincolor) {     IplImage* origin = cvCloneImage(_origin);     uchar* skindata = 0;     int index = 0;     unsigned char pixel_val = 0;       for (int i = 0; i < origin->height; i++){        skindata = skincolor.ptr<uchar>(i);            for (int j = 0; j < origin->width; j++){            if (skindata[j] == 0) {                index = (j * 3) + (i * origin->widthStep);                origin->imageData[index] = pixel_val;                origin->imageData[index + 1] = pixel_val;                origin->imageData[index + 2] = pixel_val;            }        }     }     return origin; }

결과화면

생각보다 결과가 좋게 나오질 않았다.

Haar Cascade Classifier 를 사용하여 Face Detection 하는 시간을 줄여보려고 했건만...

Face Detection 이 더 안된다... 비슷하기만 해도 상관없을텐데..

그래도 분류시간은 확실히 줄었다. 7초에서 5초정도로.. (debug 모드에서..)