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
sourcesmodulesobjdetectsrccascadedetect.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 <opencv2opencv.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!
";
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 }