【原】训练自己的haar-like特征分类器并识别物体（3）-白红宇

在前两篇文章中，我介绍了《训练自己的haar-like特征分类器并识别物体》的前三个步骤：

1.准备训练样本图片，包括正例及反例样本

2.生成样本描述文件

3.训练样本

4.目标识别

==============

本文将着重说明最后一个阶段——目标识别，也即利用前面训练出来的分类器文件(.xml文件)对图片中的物体进行识别，并在图中框出在该物体。由于逻辑比较简单，这里直接上代码：

                            
int
_tmain(
int
argc, _TCHAR* argv[])
{ 
    
char
*cascade_name = CASCADE_HEAD_MY; 
//上文最终生成的xml文件命名为"CASCADE_HEAD_MY.xml"
    
cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 ); 
//加载xml文件
    
if
( !cascade )
    
{ 
        
fprintf
( stderr, 
"ERROR: Could not load classifier cascade\n"
);
        
system
(
"pause"
);
        
return
-1;
    
}
    
storage = cvCreateMemStorage(0);
    
cvNamedWindow( 
"face"
, 1 );
    
const
char
* filename = 
"(12).bmp"
;
    
IplImage* image = cvLoadImage( filename, 1 );
    
if
( image )
    
{ 
        
detect_and_draw( image ); 
//函数见下方
        
cvWaitKey(0);
        
cvReleaseImage( &image );  
    
}
    
cvDestroyWindow(
"result"
);
    
return
0;
}
         
       

detect_and_draw

本文转自编程小翁博客园博客，原文链接：http://www.cnblogs.com/wengzilin/p/3858957.html，如需转载请自行联系原作者