Detección de rostros

OpenCV nos facilita la terea de detectar rostros o caras pues ya cuenta con clasificadores en cascada entrenados para esta tarea, estos son almacenados en archivos XML, en caso de que lo necesitemos podemos crear nuestros propios clasificadores para detectar el objeto para el que haya sido entrenado, por ejemplo: carros, animales, frutas, etc., en el archivo de descarga de la librería vienen incluidas varios de estos archivos y las aplicaciones necesarios para construir los nuestros.

Detección de rostros en OpenCV

Para detectar un rostro primero debemos procesar la imagen en la cual deseamos buscar un rostro, luego de cargar la imagen debemos aplicar los siguientes pasos:

Convertir la imagen a escala de grises, necesario para el correcto funcionamiento de los algoritmos de detección de caras usados por la biblioteca. Para convertir una imagen a escala de grises o a otro formato contamos con la función cvtColor la utilizamos del siguiente modo:

cvtColor(imagen, imagen, CV_BGR2GRAY);

Lo siguiente que debemos hacer es aplicar ecualización de histograma a la imagen en grises para estandarizar el contraste y brillo de la imagen, esto para que distintas condiciones de iluminación no afecten la detección del rosto en la imagen, de este modo el algoritmo es más eficaz al detectar las caras presentes en una imagen.

equalizeHist(imagen, imagen);

Con esto tendremos este resultado:

Para aumentar la velocidad de detección del algoritmo podemos escalar la imagen a un tamaño más pequeño, no demasiado.

Con la imagen procesada y preparada ahora debemos cargar el detector que deseamos utilizar, pasaremos el nombre del clasificador al método load de la clase CascadeClassifier, los archivos .xml que debemos cargar se encuentran en C:\opencv\data aquí encontraremos varias carpetas que contienes distintos tipos de clasificadores, en la carpeta C:\opencv\data\haarcascades se encuentran varios clasificadores no solo para detectar rostros sino también para la detección de ojos, boca, nariz, entre otros.

Para detectar rostros de frente usaremos haarcascade_frontalface_alt.xml, para detectar cuerpo completo podemos usar haarcascade_fullbody.xml, para detectar ojos contamos con haarcascade_eye.xml, existen muchos otros.

Inicializar el detector con el archivo indicado, asumimos que el archivo se encuentra en la carpeta del proyecto.

CascadeClassifier detector;

if(!detector.load("haarcascade_frontalface_alt.xml")) 
       cout << "No se puede abrir clasificador."<< endl;

Ahora podemos detectar los rostros presentes en la imagen, las coordenadas se guardarán en la variable llamada rect.

vector<Rect> rect;
detector.detectMultiScale(dest, rect);

Recorremos los rectángulos encontrados por el algoritmo y los marcamos en la imagen original.

for(Rect rc : rect)
{
       rectangle(imagen, 
                   Point(rc.x, rc.y), 
                   Point(rc.x + rc.width, rc.y + rc.height),
                   CV_RGB(0,255,0), 2);
}

Código C++ Detección de Rostros:

Detección de rostros en tiempo real

Para detectar rostros en tiempo real solo debemos leer las imágenes de la webcam y aplicarle a cada una de ellas el procedimiento descrito anteriormente, para ver cómo usar la webcam.

Código de ejemplo para detectar rostros en tiempo real mediante el uso de la cámara web OpenCV.

Parámetros de la función de detección de rostros:

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

• image: imagen procesada.
• objectcs: vector donde se almacenara las coordenadas de las caras encontradas.
• scaleFactor: factor de escala, 1.2 más rápido.
• minNeighbors: factor para prevenir falsas detecciones.
• flags: parámetro actualmente no es usado, indicar 0.
• minSize, maxSize: tamaño máximo y mínimo de ventana usado para detectar rostros, limita la detección de rostros muy pequeño o demasiado grandes.

Espero les sirva de ayuda, más adelante veremos como reconocer o identificar un rostro, hasta la próxima.

Lo siguiente que debes aprender: Detector de Ojos, luego Reconocimiento Facial