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
}
