人臉檢測一種主流的方法就是類haar+adaboosting，opencv中也是用的這種方法。這種方法可以推廣到剛性物體的檢測，前提是要訓練好級聯分類器(比如說用類haar特征)，一旦訓練數據弄好了，直接調用opencv中的類CascadeClassifier，用它的幾個簡單的成員函數就可以完成檢測功能。所以說用起來還是很簡單的。下面就是用的opencv中自帶的samples中的facedetect例子。
當然，源例子考慮到了攝像頭，視頻，圖片多種情況，還有很多出錯處理的表達。這里我講其代碼都省略了，因為看起來不是特別簡潔。否則還需要用命令行輸入，比如說如下圖：
要輸入的東西比較多，如果一旦輸入出錯了，就會有如下顯示：
所以為了方便，還是把代碼簡潔了下，改后的代碼和注釋如下：
1 // face_detect.cpp : 定義控制台應用程序的入口點。
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 <iostream>
12 #include <stdio.h>
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";//人臉的訓練數據
22 //String nestedCascadeName = "./haarcascade_eye_tree_eyeglasses.xml";//人眼的訓練數據
23 String nestedCascadeName = "./haarcascade_eye.xml";//人眼的訓練數據
24
25 int main( int argc, const char** argv )
26 {
27 Mat image;
28 CascadeClassifier cascade, nestedCascade;//創建級聯分類器對象
29 double scale = 1.3;
30
31 //image = imread( "lena.jpg", 1 );//讀入lena圖片
32 image = imread("people_with_hands.png",1);
33 namedWindow( "result", 1 );//opencv2.0以后用namedWindow函數會自動銷毀窗口
34
35 if( !cascade.load( cascadeName ) )//從指定的文件目錄中加載級聯分類器
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() )//讀取圖片數據不能為空
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<Rect> 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)} ;//用不同的顏色表示不同的人臉
71
72 Mat gray, smallImg( cvRound (img.rows/scale), cvRound(img.cols/scale), CV_8UC1 );//將圖片縮小，加快檢測速度
73
74 cvtColor( img, gray, CV_BGR2GRAY );//因為用的是類haar特征，所以都是基於灰度圖像的，這里要轉換成灰度圖像
75 resize( gray, smallImg, smallImg.size(), 0, 0, INTER_LINEAR );//將尺寸縮小到1/scale,用線性插值
76 equalizeHist( smallImg, smallImg );//直方圖均衡
77
78 t = (double)cvGetTickCount();//用來計算算法執行時間
79
//檢測人臉
//detectMultiScale函數中smallImg表示的是要檢測的輸入圖像為smallImg，faces表示檢測到的人臉目標序列，1.1表示
//每次圖像尺寸減小的比例為1.1，2表示每一個目標至少要被檢測到3次才算是真的目標(因為周圍的像素和不同的窗口大
//小都可以檢測到人臉),CV_HAAR_SCALE_IMAGE表示不是縮放分類器來檢測，而是縮放圖像，Size(30, 30)為目標的
//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;//相減為算法執行的時間
93 printf( "detection time = %g ms\n", t/((double)cvGetTickFrequency()*1000.) );
94 for( vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++, i++ )
95 {
96 Mat smallImgROI;
97 vector<Rect> nestedObjects;
98 Point center;
99 Scalar color = colors[i%8];
100 int radius;
101 center.x = cvRound((r->x + r->width*0.5)*scale);//還原成原來的大小
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 //檢測人眼，在每幅人臉圖上畫出人眼
107 if( nestedCascade.empty() )
108 continue;
109 smallImgROI = smallImg(*r);
110
111 //和上面的函數功能一樣
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<Rect>::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 );//將眼睛也畫出來，和對應人臉的圖形是一樣的
126 }
127 }
128 cv::imshow( "result", img );
129 }
運行lena圖的效果如下：
運行有多個人圖的效果圖如下：
可以看出，在多人圖中，並不是每個人臉都能檢測出來。特別是在圖片邊界上的人臉，也就是被遮擋了部分的人臉，基本檢測不出來。還有，在人眼不是特別正的情況下，完全檢測不出來，也不知道具體什么原因，應該是opencv中自帶是人眼數據庫訓練不夠完全好。因為這些數據的訓練確實是非常的麻煩。