OpenCV支持的目標檢測的方法是利用樣本的Haar特征進行的分類器訓練，得到的級聯(lián)boosted分類器（Cascade Classification）。OpenCV2之后的C++接口除了Haar特征以外也可以使用LBP特征。
介紹haar分類器理論知識：
1、http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html（講的很詳細）；
2、http://blog.csdn.net/zy1034092330/article/details/48850437（基礎理論）
實際使用中原理只要大概懂就行了，如果想深究，可以讀讀兩個鏈接中的博文。
使用OpenCV中自帶的haar分類器識別人臉，其文件在OpenCV安裝文件夾如下路徑中：

將haarcascade_frontalface_alt.xml文件復制到工程根目錄下即可。

代碼：

#include <opencv2/opencv.hpp> #include <iostream>using namespace std; using namespace cv;//String my_face_cascade_name = "my_haarcasade_face.xml"; String face_cascade_name = "haarcascade_frontalface_alt.xml"; CascadeClassifier face_cascade; String window_name = "Capture - face detection";void detectFace(Mat frame);int main() {VideoCapture capture;Mat frame;//檢測是否成功讀取人臉的haar分類器，就是那個xml文件if (!face_cascade.load(my_face_cascade_name)){cout << "Error: cannot load face casade!!!" << endl;return -1;}capture.open(0);//打開攝像頭//檢測攝像頭是否成功打開if (!capture.isOpened()){cout << "Error: cannot open the camera!!!" << endl;return -1;}namedWindow(window_name);//創(chuàng)建窗口while (true){capture >> frame; //從攝像頭讀入一幀圖像detectFace(frame);//對那幀圖像進行處理，識別人臉//等待按鍵，若按下esc鍵，則退出循環(huán)int c = waitKey(10);if (c == 0x1B)break;}return 0; }//從輸入圖像中檢測人臉 void detectFace(Mat frame) {Mat frame_gray;vector<Rect> face;cvtColor(frame, frame_gray, COLOR_BGR2GRAY);//轉(zhuǎn)成灰度圖像equalizeHist(frame_gray, frame_gray);//直方圖均衡化//按照文檔說明調(diào)用函數(shù)即可face_cascade.detectMultiScale(frame_gray, face, 1.1, 2, CASCADE_SCALE_IMAGE, Size(30, 30));//遍歷所有人臉for (size_t i = 0; i < face.size(); i++){//根據(jù)返回的Rect的x坐標、y坐標、寬width和高height算出中心位置Point center(face[i].x + face[i].width/2, face[i].y + face[i].height/2);//調(diào)用ellipse畫出橢圓型邊框，指示人臉ellipse(frame, center, Size(face[i].width/2, face[i].height/2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0);}//最后刷新窗口，顯示圖像imshow(window_name, frame); }

程序中已經(jīng)有相關注釋，不做贅述。只要環(huán)境配置正確，OpenCV2下運行應該不會有錯。
簡要總結(jié)一下CascadeClassifier::detectMultiScale函數(shù)的用法：
從文檔中摘出來的三種c++下的定義方式：

CascadeClassifier::detectMultiScale
Detects objects of different sizes in the input image. The detected objects are returned as a list of rectangles.

C++: void CascadeClassifier::detectMultiScale(InputArray image, vector& objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())

C++: void CascadeClassifier::detectMultiScale(InputArray image, vector& objects, vector& numDetections, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())

C++: void CascadeClassifier::detectMultiScale(InputArray image, std::vector& objects, std::vector& rejectLevels, std::vector& levelWeights, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size(), bool outputRejectLevels=false )

只討論下面這種形式：

C++: void CascadeClassifier::detectMultiScale(InputArray image,
vector& objects, double scaleFactor=1.1, int minNeighbors=3, int
flags=0, Size minSize=Size(), Size maxSize=Size())

參數(shù)說明：
1、InputArray image：
輸入圖像，填Mat類型的圖像即可。圖像通道數(shù)可以是任意的，但圖像深度應為CV_8U、CV_16U、CV_16S、CV_32F、CV_64F；

2、std::vector& objects：
為被檢測物體的矩形向量組，這里就代表人臉所在范圍的矩形向量組；

3、double scaleFactor=1.1：
scaleFactor為圖像中的尺度參數(shù)，默認取值1.1；

4、int minNeighbors=3：
每一個級聯(lián)矩形應該保留的鄰近個數(shù)的最小值，默認為3；

5、int flags=0：
在老版本的OpenCV中，與cvHaarDetectObjects中的這個參數(shù)具有相同的含義，新版本中沒用，默認取0；

6、Size minSize=Size()：
物體的最小大小，指定其大小的最小值，所有小于此的都被忽視掉；

7、Size maxSize=Size()：
物體的最大大小，指定其大小的最大值，所有大于此的都被忽視掉；

總結(jié)

以上是生活随笔為你收集整理的OpenCV学习记录（一）：使用haar分类器进行人脸识别的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。