1.基本概念 opencv中的人脸检测使用基于Harr的级联分类和基于LBP的级联分类。 Harr是在2001年，由Viola和Jones等人提出的，它的脸部检测的基本思想是：对于面部正面的大部分区域而言，会有眼睛所在的区域比前额和脸颊更暗，嘴巴应该比脸颊更暗等情况。和这样类似的比较大约有20个，通过这样的比较决定该区域是否为人脸。 LBP是在2006年由Ahonen等人提出的，相比于Harr，LBP有更快的速度。通过比较想读亮度直方图来确定是否为人脸。但是对于稳定性，LBP要弱于前者。 Opencv自带训练好的人脸检测模型，存储在sources/data/haarcascades文件夹和sources/data/lbpcascades文件夹下。其中几个.xml文件如下： 人脸检测器（默认）：haarcascade_frontalface_default.xml 人脸检测器（快速Harr）：haarcascade_frontalface_alt2.xml 人脸检测器（侧视）：haarcascade_profileface.xml 眼部检测器（左眼）：haarcascade_lefteye_2splits.xml 眼部检测器（右眼）：haarcascade_righteye_2splits.xml 嘴部检测器：haarcascade_mcs_mouth.xml 鼻子检测器：haarcascade_mcs_nose.xml 身体检测器：haarcascade_fullbody.xml 人脸检测器（快速LBP）：lbpcascade_frontalface.xml
2.如何使用
2.1 加载一个检测器：应用CascadeClassifier并实例化，写入文件路径并加载。
代码语言：javascript复制CascadeClassifier face_cascade;
String face_cascade_name = "C:\Program Files\OpenCV2.4.11\opencv\sources\data\lbpcascades\lbpcascade_frontalface.xml";
face_cascade.load( face_cascade_name );2.2 图像预处理：灰度变换，收缩尺寸和直方图均衡化
代码语言：javascript复制cvtColor( frame, frame_gray, CV_BGR2GRAY );
const int DETECTION_WIDTH = 320;
Mat smallImg;
float scale = frame_gray.cols/(float)DETECTION_WIDTH;
if (frame_gray.cols>DETECTION_WIDTH)
{
int scaledHeight = cvRound(frame_gray.rows/scale);
resize(frame_gray,smallImg.size(DETECTION_WIDTH,scaledHeight));
}
else
{
smallImg = frame_gray;
}
Mat equalizedImg;
equalizeHist( smallImg , equalizedImg);2.3人脸检测
代码语言：javascript复制std::vector<Rect> faces;
face_cascade.detectMultiScale( equalizedImg, faces, 1.1, 2, 0, Size(80, 80) );此时检测结果保存在faces这个vector容器中。
3.几个使用技巧 3.1 在加载检测器时通常由于路径问题容易产生错误，最好有一个提醒或异常捕获机制。
代码语言：javascript复制 face_cascade.load( face_cascade_name );
if( !face_cascade.load( face_cascade_name ) )
{ printf("--(!)Error loadingn"); return -1; };或者
代码语言：javascript复制 try {
face_cascade.load( face_cascade_name );
} catch (cv::Exception &e) {}
if ( face_cascade_name.empty() ) {
printf("--(!)Error loadingn"); return -1;
exit(1);
}3.2根据情况设置参数 detectMultiScale函数原型如下：
代码语言：javascript复制 CV_WRAP virtual void detectMultiScale( const Mat& image,
CV_OUT vector<Rect>& objects,
double scaleFactor=1.1,
int minNeighbors=3, int flags=0,
Size minSize=Size(),
Size maxSize=Size() );其中： minSize=Size()和maxSize=Size()： 决定了检测到的最小和最大的人脸大小，如果图片中人脸距离相机较远，把minSize参数设置为=Size(20,20) scaleFactor：参数决定由多少不同大小的人脸要搜索，通常为1.1 minNeighbors： 决定着人脸检测器如何确定人脸已经被找到，默认值是3，如果改为4的话，将会使检测的正确率增加，但是漏检率也可能增加，可以理解为参数越大，判断的条件越苛刻。 flags：是否要检测所有人脸。
