CascadeClassifier の使い方【OpenCV/C#（OpenCvSharp）】〜Haar Cascade で顔検出〜

CascadeClassifier は、Haar Cascade（ハール特徴量）やLBPベースの学習済み分類器を読み込み、画像中の顔・目・笑顔などを高速に検出するクラスです。OpenCV に同梱された XML ファイルを用意するだけで、すぐに顔検出を試せます。

最小の呼び出しイメージは次のとおりです。

var classifier = new CascadeClassifier("haarcascade_frontalface_default.xml");
Rect[] faces = classifier.DetectMultiScale(gray);

---

動作環境

• OpenCV 4.x（OpenCvSharp4）
• .NET 8 コンソールアプリ（トップレベルステートメント）
• NuGet: OpenCvSharp4 / OpenCvSharp4.runtime.win

環境構築がまだの方は環境構築ガイドを先にどうぞ。

---

基本の使い方

XML ファイルの入手

OpenCV のリポジトリに同梱されている XML を使います。
以下の URL から haarcascade_frontalface_default.xml をダウンロードし、プロジェクトフォルダに置いてください。

opencv/data/haarcascades（GitHub）

完全プログラム（静止画から顔検出）

using OpenCvSharp;

// --- 設定 ---
const string xmlPath  = "haarcascade_frontalface_default.xml";
const string imgPath  = "people.jpg";   // 検出対象画像（別途用意）
const string savePath = "result.jpg";

// CascadeClassifier は IDisposable を実装していないので using 不要
// ただし Mat は必ず using で解放する
var classifier = new CascadeClassifier(xmlPath);
if (classifier.Empty())
{
    Console.Error.WriteLine("XML の読み込みに失敗しました。パスを確認してください。");
    return;
}

using var src  = Cv2.ImRead(imgPath);
if (src.Empty()) { Console.Error.WriteLine("画像を読み込めません。"); return; }

// グレースケール変換（DetectMultiScale は 1ch 画像を推奨）
using var gray = new Mat();
Cv2.CvtColor(src, gray, ColorConversionCodes.BGR2GRAY);

// ヒストグラム均等化でコントラストを補正（薄暗い画像への対策）
Cv2.EqualizeHist(gray, gray);

// 顔検出
Rect[] faces = classifier.DetectMultiScale(
    image      : gray,
    scaleFactor: 1.1,     // 画像縮小ステップ（1.1 ≒ 10% ずつ縮小）
    minNeighbors: 3,      // 検出矩形の最低隣接数（大きいほど誤検出が減る）
    flags      : HaarDetectionTypes.ScaleImage,
    minSize    : new Size(30, 30),   // 検出する最小顔サイズ
    maxSize    : new Size()          // Size() = 制限なし
);

Console.WriteLine($"検出数: {faces.Length}");

// 検出結果を矩形で描画
using var result = src.Clone();
foreach (var face in faces)
{
    Cv2.Rectangle(result, face, Scalar.LimeGreen, thickness: 2);
    Console.WriteLine($"  顔: {face}");
}

Cv2.ImWrite(savePath, result);
Console.WriteLine($"保存完了: {savePath}");

実行結果の例

検出数: 2
  顔: {X=112,Y=84,Width=96,Height=96}
  顔: {X=310,Y=102,Width=88,Height=88}
保存完了: result.jpg

行ごとの解説

行の内容	説明
new CascadeClassifier(xmlPath)	学習済み XML を読み込む。失敗すると Empty() が true になる
Cv2.CvtColor(..., BGR2GRAY)	DetectMultiScale はグレースケール入力を推奨（内部で変換も可だが精度が落ちる場合がある）
Cv2.EqualizeHist	ヒストグラム均等化で照明ムラを補正。暗い画像での検出率を上げる定番前処理
scaleFactor: 1.1	1.05 に近づけると精度↑・速度↓。1.3 以上にすると速度↑・検出漏れ↑
minNeighbors: 3	小さくすると検出数↑・誤検出↑。5〜6 程度まで上げると誤検出を絞れる
HaarDetectionTypes.ScaleImage	推奨フラグ。画像をスケールして走査する標準モード

---

引数と戻り値（DetectMultiScale）

引数	型	説明
image	InputArray	グレースケール画像（1ch）を推奨
scaleFactor	double	検出ウィンドウを縮小するステップ比率（> 1.0）
minNeighbors	int	矩形を採用する最低隣接数。多いほど厳しくなる
flags	HaarDetectionTypes	ScaleImage（推奨）または DoCannyPruning など
minSize	Size	検出する物体の最小サイズ
maxSize	Size	検出する物体の最大サイズ（Size() = 無制限）
戻り値	Rect[]	検出された矩形の配列

---

実践例

カメラ映像からリアルタイム顔検出

カメラ映像に対してフレームごとに DetectMultiScale を実行します。
VideoCapture の詳細は VideoCapture の使い方【OpenCV/C#（OpenCvSharp）】〜カメラ映像を取り込む〜 も参照してください。

using OpenCvSharp;

const string xmlPath = "haarcascade_frontalface_default.xml";

var classifier = new CascadeClassifier(xmlPath);
if (classifier.Empty()) { Console.Error.WriteLine("XML 読み込み失敗"); return; }

using var cap  = new VideoCapture(0);   // 0 = 既定カメラ
using var frame = new Mat();
using var gray  = new Mat();

if (!cap.IsOpened()) { Console.Error.WriteLine("カメラを開けません"); return; }

Console.WriteLine("q キーで終了");

while (true)
{
    cap.Read(frame);
    if (frame.Empty()) break;

    Cv2.CvtColor(frame, gray, ColorConversionCodes.BGR2GRAY);
    Cv2.EqualizeHist(gray, gray);

    Rect[] faces = classifier.DetectMultiScale(
        gray, scaleFactor: 1.1, minNeighbors: 4,
        minSize: new Size(60, 60));

    foreach (var face in faces)
        Cv2.Rectangle(frame, face, Scalar.LimeGreen, 2);

    Cv2.ImShow("Face Detection", frame);

    // q キーで終了
    if (Cv2.WaitKey(1) == 'q') break;
}

Cv2.DestroyAllWindows();

顔領域をクロップして保存

検出した顔矩形を Mat のインデクサで切り出せます。各顔画像を個別ファイルに書き出す場合の例です。

using OpenCvSharp;

const string xmlPath = "haarcascade_frontalface_default.xml";
const string imgPath = "people.jpg";

var classifier = new CascadeClassifier(xmlPath);

using var src  = Cv2.ImRead(imgPath);
using var gray = new Mat();
Cv2.CvtColor(src, gray, ColorConversionCodes.BGR2GRAY);
Cv2.EqualizeHist(gray, gray);

Rect[] faces = classifier.DetectMultiScale(gray, 1.1, 3, minSize: new Size(30, 30));

for (int i = 0; i < faces.Length; i++)
{
    // Rect でインデクシングして顔領域を取り出す（Clone でデータをコピー）
    using var face = src[faces[i]].Clone();
    string path = $"face_{i:D3}.jpg";
    Cv2.ImWrite(path, face);
    Console.WriteLine($"保存: {path}  サイズ: {face.Size()}");
}

---

つまずきポイント

⚠️ XML のパスを間違えると Empty() のまま動いてしまう

new CascadeClassifier("wrong_path.xml") はコンストラクタで例外を投げません。
そのまま DetectMultiScale を呼ぶと検出数ゼロが返るだけで、エラーメッセージも出ないため、原因に気づきにくいです。
必ず classifier.Empty() を初期化後に確認し、false でない場合は即リターンする実装習慣をつけてください。

⚠️ カラー画像をそのまま渡すと精度が落ちる

DetectMultiScale にカラー（3ch）Mat を渡しても内部でグレースケール化されますが、公式は 1ch 入力を推奨しています。明示的に Cv2.CvtColor → Cv2.EqualizeHist を挟むほうが検出精度・速度ともに安定します。

⚠️ Mat のスライス（src[faces[i]]）は参照コピー

src[rect] で取り出した Mat はメモリを共有しています。保存・加工する前に .Clone() を呼ばないと、元 Mat を Dispose したあとにアクセス違反が発生します。クロップしたら必ず Clone() して独立した Mat を作り、using で解放してください。

---

関連する関数

• VideoCapture ─ カメラ・動画から連続フレームを取得。リアルタイム顔検出の入力源として組み合わせて使います。VideoCapture の使い方【OpenCV/C#（OpenCvSharp）】〜カメラ映像を取り込む〜
• Cv2.Rectangle ─ 検出矩形を画像に描画する際の基本関数。
• Cv2.BitwiseAnd ─ 検出領域にマスクを掛けて顔部分だけを抽出したい場合に活用できます。Cv2.BitwiseAnd の使い方【OpenCV/C#（OpenCvSharp）】〜ビット演算とマスク処理〜

---

まとめ

CascadeClassifier は XML を読み込み DetectMultiScale を呼ぶだけで顔検出を実装できます。scaleFactor と minNeighbors の調整が検出精度と速度のバランスを決める核心です。初期化後の Empty() チェックと、グレースケール変換・ヒストグラム均等化のセットを忘れずに実装してください。