前言

由于本文与上一篇OpenCV检测篇（一）——猫脸检测具有知识上的连贯性，所以建议没读过前一篇的先去阅读一下前一篇，前面讲过的内容这里会省略掉。

笑脸检测

其实也没什么可省略的，因为跟在opencv中，无论是人脸检测、人眼检测、猫脸检测、行人检测等等，套路都是一样的。正所谓：

自古深情留不住，总是套路得人心。

发挥主要作用的函数有且仅有一个：detectMultiScale()。前一篇猫脸检测中已经提到过这个函数，这里就不再详细赘述。

这里只说一下笑脸检测的流程，显然也都是套路：

1.加载人脸检测器进行人脸检测

2 加载笑脸检测器进行笑脸检测

检测的时候用的都是同一个函数，也即上述detectMultiScale()函数。这里需要注意的一点是：

• 笑脸检测是在人脸检测之后得到的人脸区域中进行的。我猜它用到的算法很可能是检测人的嘴角的姿态，因为笑脸检测最后的输出结果就是框住了人上扬的嘴角。

效果展示

更多

这么多内容作为一篇的话我觉得是不是略少？那就加点内容吧，我把上面的内容用C++又写了一遍，不同于上面的直接检测图片，C++版本是调用摄像头来检测自己的笑脸。

代码获取

分别是想要亲自尝试一下的朋友可以从我的github上获取代码。如果在这里复制链接不方便，可以回复“笑脸检测代码”获取下载链接。

C++版本：https://github.com/LiuXiaolong19920720/smile-detection-Cpp

Python版本：https://github.com/LiuXiaolong19920720/smile-detection-Python

Python代码

# -*- coding=utf-8 -*-
import cv2

# 人脸检测器
facePath = "lbpcascade_frontalface.xml"
faceCascade = cv2.CascadeClassifier(facePath)

# 笑脸检测器
smilePath = "haarcascade_smile.xml"
smileCascade = cv2.CascadeClassifier(smilePath)

img = cv2.imread("test.jpg")  
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 首先检测人脸，返回的是框住人脸的矩形框
faces = faceCascade.detectMultiScale(
    gray,
    scaleFactor= 1.1,
    minNeighbors=8,
    minSize=(55, 55),
    flags=cv2.CASCADE_SCALE_IMAGE
)

# 画出每一个人脸，提取出人脸所在区域
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)
    roi_gray = gray[y:y+h, x:x+w]
    roi_color = img[y:y+h, x:x+w]

    # 对人脸进行笑脸检测
    smile = smileCascade.detectMultiScale(
        roi_gray,
        scaleFactor= 1.16,
        minNeighbors=35,
        minSize=(25, 25),
        flags=cv2.CASCADE_SCALE_IMAGE
    )

    # 框出上扬的嘴角并对笑脸打上Smile标签
    for (x2, y2, w2, h2) in smile:
        cv2.rectangle(roi_color, (x2, y2), (x2+w2, y2+h2), (255, 0, 0), 2)
        cv2.putText(img,‘Smile‘,(x,y-7), 3, 1.2, (0, 255, 0), 2, cv2.LINE_AA)

cv2.imshow(‘Smile?‘, img)
#cv2.imwrite("smile.jpg",img)
c = cv2.waitKey(0)

Ｃ＋＋代码

#include<opencv2\opencv.hpp>  
#include <iostream>  
#include <stdio.h>  

using namespace std;
using namespace cv;

String face_cascade_name = "haarcascade_frontalface_default.xml";
String smile_cascade_name = "haarcascade_smile.xml";
CascadeClassifier face_cascade;     
CascadeClassifier smile_cascade;   
String window_name = "Capture - Face detection";

int main()
{
    VideoCapture capture;  
    Mat frame;  

    if (!face_cascade.load(face_cascade_name))
    {
        printf("--(!)Error loading face cascade\n"); 
        return -1;
    };
    if (!smile_cascade.load(smile_cascade_name)) 
    {
        printf("--(!)Error loading eyes cascade\n"); 
        return -1;
    };

    //-- 2. Read the video stream  
    capture.open(0);  
    if (!capture.isOpened()) 
    { 
        printf("--(!)Error opening video capture\n"); 
        return -1; 
    }  

    while (capture.read(frame))
    {
        if (frame.empty())
        {
            printf(" --(!) No captured frame -- Break!");
            break;
        }

        std::vector<Rect> faces;
        Mat frame_gray;

        cvtColor(frame, frame_gray, COLOR_BGR2GRAY);
        equalizeHist(frame_gray, frame_gray);
        face_cascade.detectMultiScale(frame_gray, faces, 1.05, 8, CASCADE_SCALE_IMAGE);

        for (size_t i = 0; i < faces.size(); i++)
        {
            rectangle(frame, faces[i], Scalar(255, 0, 0), 2, 8, 0);

            Mat faceROI = frame_gray(faces[i]);
            std::vector<Rect> smile;

            //-- In each face, detect smile
            smile_cascade.detectMultiScale(faceROI, smile, 1.1, 55, CASCADE_SCALE_IMAGE);

            for (size_t j = 0; j < smile.size(); j++)
            {
                Rect rect(faces[i].x + smile[j].x, faces[i].y + smile[j].y, smile[j].width, smile[j].height);
                rectangle(frame, rect, Scalar(0, 0, 255), 2, 8, 0);
            }
        }
        //-- Show what you got  
        namedWindow(window_name, 2);
        imshow(window_name, frame);
        waitKey(100);
    }
    int c = waitKey(0);
    if ((char)c == 27) { return 0; } 

    return 0;
}

最近申请了微信公众号，分享机器视觉和机器学习的内容，每一篇都会放出完整的代码，感兴趣的同学可以扫码关注。