OpenCV人脸检测（C++代码）—— By wepon
这篇文章简单总结一下人脸检测的代码实现，基于OpenCV，C++版本。之所以强调C++版本是因为OpenCV有很多其他语言的接口，之前我也写过人脸检测的Python实现《Python-OpenCV人脸检测(代码)》，这篇文章则讲C++实现，其实大同小异，C++相比于Python实现代码写起来会繁琐一点，这也是语言本身决定的吧。
为了保持代码风格一致，C++实现与之前的Python实现一样，都将人脸检测、眼睛检测、框出人脸、框出眼睛、截取保存人脸各个功能封装为函数，方便移植。
1、OpenCV中人脸检测采用的算法
在安装OpenCV的路径中（window系统），我们可以发现”…\opencv\sources\data”目录下有如下三个文件夹：
这正是OpenCV采用的算法。haarcascades文件下存放的是采用Haar特征的级联分类器（Cascade Classfier），hogcascades下存放采用HOG特征（梯度方向直方图）的级联分类器，，lbpcascades下存放的是采用LBP特征的级联分类器。关于图像的Haar、LBP、HOG、SIFT等特征我将写另外的博文进行总结，这里就不详细展开。图中三个文件夹下存放了很多xml文件，这些是预先训练好的特征，用于构造分类器的，有人脸检测的、眼睛检测的、smile检测的、行人检测的等等。
在这篇文章中，仅以haarcascas下的”haarcascade_frontalface_alt.xml”和”haarcascade_eye.xml”作为例子。主要代码在下文讲解，更多代码也可以到我的github获取：here。
2、代码实现
这个demo以下图为输入：
图像预处理
转化为灰度图直方图均衡化Mat img = imread(“obama.jpg”);Mat img_gray;cvtColor(img,img_gray,COLOR_BGR2GRAY );equalizeHist(img_gray,img_gray);
构造级联分类器
首先生成一个级联分类器的实例，然后用xml文件初始化该实例（调用load方法），最后调用该实例的detectMultiScale方法，作用在灰度图img_gray上，即可获取该图片中的各个人脸的坐标。detectMultiScale方法返回的是一个vector类型的容器，里面每个Rect存储的是人脸矩形的左上顶点、矩形宽度、矩形长度(x,y,width,height)。
CascadeClassifier faces_cascade;faces_cascade.load(“haarcascade_frontalface_alt.xml”);vector<Rect> faces;faces_cascade.detectMultiScale(img_gray,faces,1.1, 2, 0|CV_HAAR_SCALE_IMAGE, Size(30, 30) );
框出人脸、眼睛
这部分用到的是opencv里的绘图工具，可以参考opencv文档，这里不啰嗦。ellipse画椭圆、circle画圆形，它们的参数(比如circle的圆心半径)由级联分类器返回的Rect确定。
截取和保存人脸部分
可以根据级联分类器检测返回的Rect，获取图像的ROI，然后调用imwrite方法。
Rect roi = faces[i];imwrite(saveName,img(roi));
由于检测出的face不只一个，所以saveName需要设计一下，具体在代码文件中有注释。
运行结果
转载请注明来源并完整保留文中链接：
旁观者的姓名永远爬不到比赛的计分板上。
