人脸检测一种主流的方法就是类haar+adaboosting，opencv中也是用的这种方法。这种方法可以推广到刚性物体的检测，前提是要训练好级联分类器(比如说用类haar特征)，一旦训练数据弄好了，直接调用opencv中的类CascadeClassifier，用它的几个简单的成员函数就可以完成检测功能。所以说用起来还是很简单的。下面就是用的opencv中自带的samples中的facedetect例子。

     当然，源例子考虑到了摄像头，视频，图片多种情况，还有很多出错处理的表达。这里我讲其代码都省略了，因为看起来不是特别简洁。否则还需要用命令行输入，比如说如下图：

 

     要输入的东西比较多，如果一旦输入出错了，就会有如下显示：

 

     所以为了方便，还是把代码简洁了下，改后的代码和注释如下：

1 // face_detect.cpp : 定义控制台应用程序的入口点。   2 //   3   4 #include "stdafx.h"   5   6 #include "opencv2/objdetect/objdetect.hpp"   7 #include "opencv2/highgui/highgui.hpp"   8 #include "opencv2/imgproc/imgproc.hpp"   9 #include "opencv2/ml/ml.hpp"  10  11 #include 
     
        12 #include 
      
         13  14 using namespace std;  15 using namespace cv;  16  17 void detectAndDraw( Mat& img,  18                    CascadeClassifier& cascade, CascadeClassifier& nestedCascade,  19                    double scale);  20  21 String cascadeName = "./haarcascade_frontalface_alt2.xml";//人脸的训练数据  22 //String nestedCascadeName = "./haarcascade_eye_tree_eyeglasses.xml";//人眼的训练数据  23 String nestedCascadeName = "./haarcascade_eye.xml";//人眼的训练数据  24  25 int main( int argc, const char** argv )  26 {
    27     Mat image;  28     CascadeClassifier cascade, nestedCascade;//创建级联分类器对象  29     double scale = 1.3;  30  31     //image = imread( "lena.jpg", 1 );//读入lena图片  32     image = imread("people_with_hands.png",1);  33     namedWindow( "result", 1 );//opencv2.0以后用namedWindow函数会自动销毁窗口  34  35     if( !cascade.load( cascadeName ) )//从指定的文件目录中加载级联分类器  36     {
    37          cerr << "ERROR: Could not load classifier cascade" << endl;  38          return 0;  39     }  40  41     if( !nestedCascade.load( nestedCascadeName ) )  42     {
    43          cerr << "WARNING: Could not load classifier cascade for nested objects" << endl;  44          return 0;  45     }  46  47     if( !image.empty() )//读取图片数据不能为空  48     {
    49         detectAndDraw( image, cascade, nestedCascade, scale );  50         waitKey(0);  51     }  52  53     return 0;  54 }  55  56 void detectAndDraw( Mat& img,  57                    CascadeClassifier& cascade, CascadeClassifier& nestedCascade,  58                    double scale)  59 {
    60     int i = 0;  61     double t = 0;  62     vector
       
         faces;  63     const static Scalar colors[] =  { CV_RGB(0,0,255),  64         CV_RGB(0,128,255),  65         CV_RGB(0,255,255),  66         CV_RGB(0,255,0),  67         CV_RGB(255,128,0),  68         CV_RGB(255,255,0),  69         CV_RGB(255,0,0),  70         CV_RGB(255,0,255)} ;//用不同的颜色表示不同的人脸  71  72     Mat gray, smallImg( cvRound (img.rows/scale), cvRound(img.cols/scale), CV_8UC1 );//将图片缩小，加快检测速度  73  74     cvtColor( img, gray, CV_BGR2GRAY );//因为用的是类haar特征，所以都是基于灰度图像的，这里要转换成灰度图像  75     resize( gray, smallImg, smallImg.size(), 0, 0, INTER_LINEAR );//将尺寸缩小到1/scale,用线性插值  76     equalizeHist( smallImg, smallImg );//直方图均衡  77  78     t = (double)cvGetTickCount();//用来计算算法执行时间  79
       
      
     

//检测人脸  //detectMultiScale函数中smallImg表示的是要检测的输入图像为smallImg，faces表示检测到的人脸目标序列，1.1表示  //每次图像尺寸减小的比例为1.1，2表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大  //小都可以检测到人脸),CV_HAAR_SCALE_IMAGE表示不是缩放分类器来检测，而是缩放图像，Size(30, 30)为目标的  //最小最大尺寸

84     cascade.detectMultiScale( smallImg, faces,  85         1.1, 2, 0  86         //|CV_HAAR_FIND_BIGGEST_OBJECT  87 //|CV_HAAR_DO_ROUGH_SEARCH  88         |CV_HAAR_SCALE_IMAGE  89         ,  90         Size(30, 30) );  91  92     t = (double)cvGetTickCount() - t;//相减为算法执行的时间  93     printf( "detection time = %g ms\n", t/((double)cvGetTickFrequency()*1000.) );  94     for( vector
     
      ::const_iterator r = faces.begin(); r != faces.end(); r++, i++ )  95     {
    96         Mat smallImgROI;  97         vector
      
        nestedObjects;  98         Point center;  99         Scalar color = colors[i%8]; 100         int radius; 101         center.x = cvRound((r->x + r->width*0.5)*scale);//还原成原来的大小 102         center.y = cvRound((r->y + r->height*0.5)*scale); 103         radius = cvRound((r->width + r->height)*0.25*scale); 104         circle( img, center, radius, color, 3, 8, 0 ); 105 106         //检测人眼，在每幅人脸图上画出人眼 107         if( nestedCascade.empty() ) 108             continue; 109         smallImgROI = smallImg(*r); 110 111         //和上面的函数功能一样 112         nestedCascade.detectMultiScale( smallImgROI, nestedObjects, 113             1.1, 2, 0 114             //|CV_HAAR_FIND_BIGGEST_OBJECT 115 //|CV_HAAR_DO_ROUGH_SEARCH 116 //|CV_HAAR_DO_CANNY_PRUNING 117             |CV_HAAR_SCALE_IMAGE 118             , 119             Size(30, 30) ); 120         for( vector
       
        ::const_iterator nr = nestedObjects.begin(); nr != nestedObjects.end(); nr++ ) 121         {
   122             center.x = cvRound((r->x + nr->x + nr->width*0.5)*scale); 123             center.y = cvRound((r->y + nr->y + nr->height*0.5)*scale); 124             radius = cvRound((nr->width + nr->height)*0.25*scale); 125             circle( img, center, radius, color, 3, 8, 0 );//将眼睛也画出来，和对应人脸的图形是一样的 126         } 127     } 128     cv::imshow( "result", img ); 129 }
       
      
     

 

     运行lena图的效果如下：

 

     运行有多个人图的效果图如下：

 

     可以看出，在多人图中，并不是每个人脸都能检测出来。特别是在图片边界上的人脸，也就是被遮挡了部分的人脸，基本检测不出来。还有，在人眼不是特别正的情况下，完全检测不出来，也不知道具体什么原因，应该是opencv中自带是人眼数据库训练不够完全好。因为这些数据的训练确实是非常的麻烦。