Detecting/Segmenting 不使用经过训练的模型的人脸和面部特征：openCV C++

Question

使用单张图片-我想知道是否可以检测一张图片中的人脸（object）和面部特征（眼睛、嘴巴、鼻子）而无需 使用一些预训练模型，例如 "haarcascade_eye" 或 "lbpcascade_frontalface" 或任何相关的东西。我想在没有用户输入的情况下处理人脸，例如使用 selectROI() 手动选择感兴趣区域 (ROI)。我试图根据 openCV 教程对图像进行分割，但我正在努力将背景和 body 与头部分开。我也尝试过使用诸如 SIFT/SURF/FAST 之类的算法，但该算法检测随机关键点，如果我想检测面部标志，以后就没有用了。是否有人body 有他们愿意分享的示例、教程、想法或想法？

The image I am using

Answer 1

我想指出的是，当您运行筛选图像时，它会显示该图像中的所有 'points of interest'。你需要有一个基础图像来映射它，例如，保留眼睛的裁剪图像，或者你关注的任何面部标志。

您的代码必须从 'train' 和测试图像中提取关键点。完成后，您可以使用匹配函数，例如 BruteForce Matcher 或 FLANN。之后定义好匹配的门槛，你就可以开始了。

示例：

kp_train,des_train = sift.detectAndCompute(image_train,None)
kp_test,des_test = sift.detectAndCompute(image_test,None)


bf = cv2.BFMatcher()
matches = bf.knnMatch(des_train,des_test,k=2)
good = []
for m,n in matches[index]:
    if m.distance < dist_ratio*n.distance:
        good.append([m])

if len(good)>MIN_MATCH_COUNT:
img3 = cv2.drawMatchesKnn(image_train,keypoints_train,image_test,keypoints_test,good,None, flags=2)
cv2.imwrite("Path/To/Save",img3)

根据您的应用更改 MIN_MATCH_COUNT 的值

我建议您添加一个 homography 函数并使用 RANSAC 来去除异常值。有了这个，您甚至可以在您的投资回报率周围画一个框并提取它。

替代方法：您可以尝试模板匹配算法，例如 MSTM。该算法将采用基本图像并将其平铺在测试图像上，并检查它是否在任何地方都匹配。如果您的所有图像都与您所附的图像相似，MSTM 会有所帮助

P.s 很明显我正在使用 Python，您可以在 opencv 文档

上找到等效的 C++ 函数

以this为例

Detecting/Segmenting 不使用经过训练的模型的人脸和面部特征：openCV C++

Detecting/Segmenting Face and Facial Features WITHOUT using a trained model: openCV C++

c++

opencv

image-processing

object-detection

image-segmentation