[转]让opencv输出人脸检测的得分（置信率）

转自：http://www.cnblogs.com/sciencefans/

作者：sciencefans

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：

 1 #include <opencv2\opencv.hpp>
 2 #include <iostream>
 3 #include <vector>
 4 #include <fstream>
 5 #include <math.h>
 6 using namespace std;
 7 using namespace cv;
 8 const string xmlpath = "lbpcascade_frontalface.xml";
 9 CascadeClassifier face_cc;
10
11 int tic = 0;
12
13 void detect(Mat img){
14     vector<Rect> faces;
15     vector<int> rejLevel;
16     vector<double> levelW;
17     Mat grayimg;
18     cvtColor(img, grayimg, CV_RGB2GRAY);
19     equalizeHist(grayimg, grayimg);
20     int minl = min(img.rows, img.cols);
21     face_cc.detectMultiScale(grayimg, faces, rejLevel, levelW, 1.1, 3, 0, Size(), Size(), true);
22     //face_cc.detectMultiScale(grayimg, faces, 1.1);
23     for ( int i = 0; i < faces.size(); i++ )
24     {
25         if ( rejLevel[i] < 00 )
26         {
27             continue;
28         }
29         stringstream text1, text2;
30         text1 << "rejLevel:" << rejLevel[ i ];
31         text2 << "levelW:" << levelW[ i ];
32         string ttt = text1.str();
33         rectangle(img, faces[ i ], Scalar(255, 255, 0), 2, 8, 0);
34         putText(img, ttt, cvPoint(faces[ i ].x, faces[ i ].y - 3), 1, 1, Scalar(0,255,255));
35         ttt = text2.str();
36         putText(img, ttt, cvPoint(faces[ i ].x, faces[ i ].y + 12), 1, 1, Scalar(255, 0, 255));
37     }
38     imshow("IMG", img);
39     waitKey(0);
40 }
41
42 int main(){
43     if ( !face_cc.load(xmlpath) )
44     {
45         cout << "load error!\n";
46         return -1;
47     }
48     ifstream pathin;
49     pathin.open("imgpath.txt");
50     string t;
51     while ( pathin >> t && tic < 10000)
52     {
53         Mat img = imread(t);
54         detect(img);
55     }
56     pathin.close();
57     return 0;
58 }