在opencv3中进行图片人脸检测

在opencv中，人脸检测用的是harr或LBP特征，分类算法用的是adaboost算法。这种算法需要提前训练大量的图片，非常耗时，因此opencv已经训练好了，把训练结果存放在一些xml文件里面。在opencv3.0版本中，训练好的文件放在 \build\etc\文件夹下，有两个文件夹haarcascades和lbpcascades，前者存放的是harr特征训练出来的文件，后者存放的是lbp特征训练出来的文件。

人脸检测主要用到的是CascadeClassifier这个类，以及该类下的detectMultiScale函数。

函数原型是：

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

总共有7个参数，分别是

第一个参数image:  要检测的图片，一般为灰度图

第二个参数objects:  Rect型的容器，存放所有检测出的人脸，每个人脸是一个矩形

第三个参数scaleFactor:  缩放因子，对图片进行缩放，默认为1.1

第四个参数minNeighbors： 最小邻居数，默认为3

第五个参数flags:  兼容老版本的一个参数，在3.0版本中没用处。默认为0

第六个参数minSize: 最小尺寸，检测出的人脸最小尺寸

第七个参数maxSize： 最大尺寸，检测出的人脸最大尺寸 

代码：

#include "stdafx.h"
#include "opencv2\opencv.hpp"
#include <iostream>
using namespace std;
using namespace cv;

int main()
{
    string xmlPath="F:\\opencv3\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_default.xml"; 
    CascadeClassifier ccf;   //创建分类器对象
    Mat img=imread("d:/friends.jpg");   
    if(!ccf.load(xmlPath))   //加载训练文件
    {
        cout<<"不能加载指定的xml文件"<<endl;
        return 0;
    }
    vector<Rect> faces;  //创建一个容器保存检测出来的脸
    Mat gray;
    cvtColor(img,gray,CV_BGR2GRAY); //转换成灰度图，因为harr特征从灰度图中提取
    equalizeHist(gray,gray);  //直方图均衡行
    ccf.detectMultiScale(gray,faces,1.1,3,0,Size(10,10),Size(100,100)); //检测人脸
    for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++)
    {
        rectangle(img,*iter,Scalar(0,0,255),2,8); //画出脸部矩形
    }
    imshow("faces",img);
    waitKey(0);
    return 1;
}

总结：

 使用起来非常简单，只是精度不怎么样。毕竟这些算法早已经过时，现在是深度学习的天下了。