Question

我正试图检测只落在脸部区域内的眼睛，因此我对代码做了一些小改动：

 if( cascade )
    {
        double t = (double)cvGetTickCount();
        CvSeq* faces = cvHaarDetectObjects( small_img, cascade, storage,
                                            1.1, 2, 0|CV_HAAR_DO_CANNY_PRUNING,
                                            cvSize(30, 30) );
        t = (double)cvGetTickCount() - t;

        printf( "detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) );
        for( i = 0; i < (faces ? faces->total : 0); i++ )      
        {

            CvRect* r = (CvRect*)cvGetSeqElem( faces, i );

            CvMat small_img_roi;
            CvSeq* nested_objects;
            CvPoint center;
            CvPoint center_1;
            CvScalar color = colors[i%8];
            int radius,radius_1;
            center.x = cvRound((r->x + r->width*0.5)*scale);
            center.y = cvRound((r->y + r->height*0.5)*scale);
            radius = cvRound((r->width + r->height)*0.25*scale);
            cvCircle( img, center, radius, color, 3, 8, 0 );
            if( !nested_cascade )
                continue;
            else
                printf("not continuing!\n");
            cvGetSubRect( small_img, &small_img_roi, *r );
            nested_objects = cvHaarDetectObjects( &small_img_roi, nested_cascade, storage,
                                        1.1, 2, 0
                                        |CV_HAAR_DO_CANNY_PRUNING,                                        ,
                                        cvSize(0, 0) );
            for( j = 0; j < (nested_objects ? nested_objects->total : 0); j++ )
            {
                printf("start of nested objects loop!\n");
                CvRect* nr = (CvRect*)cvGetSeqElem( nested_objects, j );
                center_1.x = cvRound((r->x + nr->x + nr->width*0.5)*scale);
                center_1.y = cvRound((r->y + nr->y + nr->height*0.5)*scale);
                radius_1 = cvRound((nr->width + nr->height)*0.25*scale);
                if(center_1.x+radius_1<center.x+radius&& center.x-radius<center_1.x-radius_1 && center_1.y<center.y+radius&& center.y<center_1.y+radius )
                {
                cvCircle( img, center_1, radius_1, color, 3, 8, 0 );
                }
                else
                    printf("cant find thy eyes!\n");
            }

然而，它并不是很成功。在尝试调试它时，我尝试评论他们为脸部绘制圆圈的部分，这导致根本没有绘制圆圈。这使我得出结论，也许嵌套对象的部分不起作用。因此，我在代码中实现了几个printfs并监视控制台。但在观察控制台后，我得出的结论是，部分嵌套对象确实无效。但是，由于嵌套对象部分类似于面部检测部分，我仍然无法理解为什么会这样。因此，如果面部检测部分工作，嵌套的目标代码是否也应该起作用？

（大于_≤）

Answer 1

请提供更多信息：

您使用的是哪个级联文件？
small_img的高度和宽度是多少？

关于您的代码：

您正在使用nested_cascade变量而不进行初始化。

通常 - 尝试使用openCV中的haarcascade_mcs_eyepair_big.xml文件使用以下参数:( image，cascade，storage，1.1,3,0，cvSize（））或者甚至使用较小的scaleFactor参数值。

我在编写BSc论文（Eyetracking系统）时做了类似的事情，并以非常简单的解决方案结束。一开始我试图找到所有“物体”的内部面孔，然后决定哪一个是左眼，哪一个是正确的，但现在我不认为这是一个很好的解决方案。
最后，我决定尝试在面部（haarcascade_mcs_eyepair_big.xml）内同时搜索双眼（来自opencv的对 - haarcascade_frontalface_default.xml文件）并且我发现它是更好的解决方案。它更快，更简单（您不必决定哪个对象是您正在寻找的对象 - 如果您尝试使用ragard以前的眼睛位置和其他一些东西，这可能会非常复杂）并且更容易实现。 /> 准确性对我来说足够好，而且速度非常高（整个系统 - 大约10-25fps - 这取决于一些事情）。如果您想使用您的代码进行实时眼睛检测，我可以为您提供有关优化的更多详细信息。

Answer 2

import  cv2

#loading cascade
eye_Cascade=cv2.CascadeClassifier('haarcascade_eye.xml')
face_Cascade=cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

def detect(gray,frame):
faces=face_Cascade.detectMultiScale(gray,1.3,5)
for (x,y,w,h) in faces:
    cv2.rectangle(frame,(x,y),(x+w ,y+h),(255,0,0),2)
    roi_gray=gray[y:y+h,x:x+w]
    roi_color=frame[y:y+h,x:x+h]
    eyes=eye_Cascade.detectMultiScale(roi_gray,1.1,3)
    for(ex,ey,ew,eh) in eyes:
        cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
return frame        

video_capture=cv2.VideoCapture(0)  #here 0 is used for inbuilt cam and 1 for 
external cam
while True :
   _,frame=video_capture.read()
   gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) 
   canvas = detect(gray, frame)
   cv2.imshow('Face and Eye ', canvas)

   #exit when user pressed 'q'
   if cv2.waitKey(1) & 0xFF == ord('q'):   
    break

video_capture.release()
cv2.destroyAllWindows()

面部内的眼睛检测

2 个答案: