前言
使用机器学习的方法进行人脸检测的第一步需要训练人脸分类器，这是一个耗时耗力的过程，需要收集大量的正负样本，并且样本质量的好坏对结果影响巨大，如果样本没有处理好，再优秀的机器学习分类算法都是零。OpenCV安装包里自带有已经训练好的人脸分类器“haarcascade_frontalface_alt.xml”，位置在“XXopencvsourcesdatahaarcascades”里，我们可以直接拿来使用，检测效果还可以接受。这个文件夹下还有其他一些分类器，像左右眼、上身、笑脸检测等等。
检测的基本原理
我们先来看一下分类器
就是我们从中间的虚线来进行分类，分开后可以看到，上半部分红的多，所以出现了蓝色即为错误分类，下半部分蓝色多，出现了红色即为错误分类，像图2中放大的三个点，就是分类里面的错误分类。
然后我们换一下分类，又发现下面两个蓝色的也为错误分类了。
然后我们再换一下分类，最终通过区分把红和蓝都分别区分开来。
实现过程
代码演示
我们再新建一个项目名为opencv--facedetection，按照配置属性(VS2017配置OpenCV通用属性),然后在源文件写入#include和main方法.
OpenCV里面自带了训练好的人脸检测的数据文件，我们先加载进来
我们先加载训练文件
然后我们再加载图像，并转为灰度图进行直方图的均衡化
接下来就是重点，我们通过人脸检测，并把检测到的数据画到原来的图像上，重新显示出来
我们来看一下运行结果
可以看到，右边的图片上矩形框就是我们已经检测到的结果。
-END-
