Lý thuyết

6.1. Nhận diện khuôn mặt trong ảnh

Tải thư viện haar_cascade tại link dưới, chép vào folder project

Lưu ý: mỗi file .xml ứng với 1 bộ nhận diện (đọc tên file có mô tả).

Ví dụ để nhận diện khuôn mặt, sử dụng file haarcascade_frontalface_default.xml

opencv/data/haarcascades at master · opencv/opencv

detectMultiScale(img,scaleFactor,minNeighbors,minSize,flags) là hàm quét đa tỉ lệ (multi-scale scanning) để phát hiện đối tượng trong ảnh của OpenCV.

Ở mỗi tỉ lệ scaleFactor , bộ phân loại (cascade) trượt cửa sổ trên ảnh để tìm vùng “khớp” (ở đây là mặt người)

Các cửa sổ phát hiện chồng lấp sẽ được gom nhóm; chỉ những nhóm đủ “đông” (≥ minNeighbors) mới được giữ lại. Kết quả cuối là danh sách các hình chữ nhật (x, y, w, h) bao quanh khuôn mặt

Tham số quan trọng

• image: ảnh đầu vào (nên là ảnh xám 8-bit).
• scaleFactor (mặc định 1.1): tỉ lệ thu nhỏ giữa các mức.
  • Nhỏ (1.05–1.1): chính xác hơn nhưng chậm.
  • Lớn (1.2–1.3): nhanh hơn nhưng dễ bỏ sót đối tượng nhỏ.
• minNeighbors (mặc định 3–5 tùy bản): số “láng giềng” tối thiểu khi gom nhóm.
  • Cao hơn ⇒ ít nhầm (false positive) hơn, nhưng có thể hụt (miss).
  • Thực tế hay dùng 3–6.
• minSize: kích thước nhỏ nhất của đối tượng cần tìm. Đặt giá trị này giúp tăng tốc và bớt nhiễu (ví dụ nhận diện mặt: (30, 30) trở lên).
• maxSize: kích thước lớn nhất của đối tượng; bỏ qua vùng lớn hơn.
• flags: để 0 (tham số cũ, hiện không còn dùng với cascade mới).

Biến thể:

• detectMultiScale2(...) trả thêm numDetections (bao nhiêu ô góp vào mỗi box).
• detectMultiScale3(..., outputRejectLevels=True) trả thêm rejectLevels và levelWeights (độ “chắc chắn”).

Công thức chọn nhanh

• Bắt đầu với: scaleFactor=1.1, minNeighbors=5, minSize=(30,30).