摘要：今天花了一天的时间完成了静态图片中的人脸检测，这是对计算机视觉的第一次直观体验，颇有成就感。这篇文章详细的解释了源程序每一行语句的作用，主要还是理清自己大脑的思路。话不多说，直接开撸！

源代码

注：本文所用开发环境为VS2019 Community + OpenCV4.1.0，需提前配置好环境，如需帮助，请关注公众号【鹿谈】，看我的第一篇推文。

//FaceRec.cpp

#include<opencv2/opencv.hpp>
//#include<opencv2/objdetect/objdetect.hpp>
//#include<opencv2/highgui/highgui.hpp>
//#include<opencv2/imgproc/imgproc.hpp>
#include <opencv2\imgproc\types_c.h>

using namespace std;
using namespace cv;

CascadeClassifier faceCascade;                  //人脸检测的类

int main()
{     faceCascade.load("D:/openCV/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml");   //加载分类器，注意文件路径

	Mat img = imread("3ming.jpg");    //图片放在与FaceRec.cpp同级目录中
	Mat imgGray;
	vector<Rect> faces;

	if (img.empty())
	{
		return 1;
	}

	if (img.channels() == 3)
	{
		cvtColor(img, imgGray, CV_RGB2GRAY);
	}
	else
	{
		imgGray = img;
	}

	faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0));   //检测人脸

	if (faces.size() > 0)
	{
		for (int i = 0; i < faces.size(); i++)
		{
			rectangle(img, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height),
				Scalar(0, 0, 255), 4, 8);    //框出人脸位置
		}
	}

	imshow("FacesOf3ming", img);

	waitKey(0);
	return 0;
}

注：本例用的明家三兄弟的照片。最好找正脸的照片，放在FaceRec.cpp同级目下即可，代码中的图片名换成自己的。

代码详细解析

头文件部分

#include<opencv2/opencv.hpp>
//#include<opencv2/objdetect/objdetect.hpp>
//#include<opencv2/highgui/highgui.hpp>
//#include<opencv2/imgproc/imgproc.hpp>
#include <opencv2\imgproc\types_c.h>

找到OpenCV的安装目录，打开D:\openCV\opencv\sources\include\opencv2，会看到opencv.hpp文件，我们用记事本打开它，可以发现里边包含了很多OpenCV的头文件，我们注释掉的三个头文件也包含于内。所以我们可以用#include<opencv2/opencv.hpp>一句代替下边注释掉的三行头文件，有效简化代码。而最后的#include <opencv2\imgproc\types_c.h>位于D:\openCV\opencv\build\include\opencv2\imgproc内，不包含在opencv.hpp之内，所以这句#include <opencv2\imgproc\types_c.h>要加上。那么为什么用到了这些头文件呢？

1.把#include <opencv2\imgproc\types_c.h>注释掉后，会提示未定义标识符"CV_RGB2GRAY"，估计该标志符位于<opencv2\imgproc\types_c.h>这个头文件。

2.跟1同样的方法，cvtColor()函数和Rectangl()函数应该位于<opencv2/imgproc/imgproc.hpp>。

3.同上，imread()，imshow()，waitkey()位于<opencv2/highgui/highgui.hpp>。

4.同上，CascadeClassifier类应该位于<opencv2/objdetect/objdetect.hpp>。

命名空间部分

using namespace std;
using namespace cv;

using namespace std;不用多说，C++标准程序库的所有标识符都被声明在std命名空间内，经常用到的cin、cout、endl等标识符皆如此，所以基本上所有的C++程序都有这句指令。而本段函数中的vector标识符就属于std命名空间，故有此指令。

对于using namespace cv;，OpenCV官方文档如是说：All the OpenCV classes and functions are placed into the cv namespace. Therefore, to access this functionality from your code, use the cv:: specifier or using namespace cv; directive. (翻译：所有的OpenCV类和函数都放在cv命名空间中。因此，要从代码中访问此功能，请使用说明cv::符或using namespace cv;指令)，故有此指令。

级联分类器类CascadeClassifier

CascadeClassifier faceCascade;  //定义一个CascadeClassifier类的对象faceCascade

CascadeClassifier：Cascade classifier class for object detection（用于目标检测的级联分类器类）。也就是说，CascadeClassifier是一个类。那么什么是级联分类器类呢？

理解级联分类器

分类器： 判别某个事物是否属于某种分类的器件。它有两种结果：是、否 。
级联分类器： 可以理解为将N个单类的分类器串联起来。如果一个事物能属于这一系列串联起来的的所有分类器，则最终结果就为是，若有一项不符，则判定为否。

比如人脸，它有很多属性，我们将每个属性做一成个分类器，如果一个模型符合了我们定义的人脸的所有属性，则我们人为这个模型就是一个人脸。那么这些属性是指什么呢？ 比如人脸需要有两条眉毛，两只眼睛，一个鼻子，一张嘴，一个大概U形状的下巴或者是轮廓等等。

（引用自arvik的博文opencv类简单分析： CascadeClassifier）

主函数部分

faceCascade.load("D:/openCV/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml");   //加载分类器，注意文件路径

Mat img = imread("3ming.jpg");    //图片放在与FaceRec.cpp同级目录中
Mat imgGray;
vector<Rect> faces;

• faceCascade.load("D:/openCV/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml");

  调用对象faceCascade的load()函数，其参数为.xml文件的绝对路径。

  load()函数的作用是通过load一个xml文件来初始化对象faceCascade。.xml是一些分类器的格式，我们这里用到的haarcascade_frontalface_alt2.xml是OpenCV内置的已经训练好的诸多分类器中的一个，它的作用是Haar特征人脸检测。

  .xml的路径要写正确，严格按照上面的格式。电脑上复制路径是右斜杠’\’，但在程序里要用左斜杠’/’。

• Mat img = imread("3ming.jpg");

  定义一个Mat类的对象img，并用imread()函数加载指定文件3ming.jpg赋值给对象img。

  Mat是一个类：OpenCV库C++实现的核心类。

  Mat 类由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。

  Mat 类首先要知道的是不必再手动（1）为其开辟空间（2）在不需要时立即将空间释放。即自动内存管理。

  imread()函数的功能是载入一张图片，参数为图片的路径。

• Mat imgGray;

  定义一个Mat类的对象imgGray。

• vector<Rect> faces;

  用vector定义一个元素类型为Rect类的动态数组faces。

  vector是C++标准库提供的被封装的动态数组，它不是一个类，而是一个类模板。用vector定义的数组对象的所有元素都会被初始化。如果数组元素为基本类型，则以初始化；如果数组元素为类类型，则调用默认构造函数初始化。此处，数组元素为Rect类类型，故将调用Rect类的默认构造函数初始化数组。

  Rect类，矩形类。它有四个公共属性，Rect(int_x,int_y,int_width,int_height)，(x,y)为左上角顶点的坐标，width为宽度，height为高度。

if (img.empty())   {return 1;}

调用Mat类对象img的成员函数empty()来检查3ming.jpg是否载入成功，如成功，则返回1。

if (img.channels() == 3)  {cvtColor(img, imgGray, CV_RGB2GRAY);}
else  {imgGray = img;}

调用Mat类对象img的成员函数channels(),其会返回矩阵通道的数量。如果矩阵通道数量为3，则调用cvtColor()函数，将输入的img从转换为imgGray输出，转换模式为CV_RGB2GRAY，即将3通道的彩色影像转换为灰度图输出；如果矩阵通道不为3，则直接将img赋给imgGray。

cvtColor()函数：Opencv里的颜色空间转换函数，可以实现RGB颜色向HSV,HSI等颜色空间的转换，也可以转换为灰度图。第一个参数为输入，第二个参数为输出，第三个参数为转换模式。那么为什么将RGB图像转为灰度图呢？

1.三通道转为单通道后，运算量大大减少。

2.自然界中，颜色本身非常容易受到光照的影响，RGB变化很大，反而梯度信息能提供更本质的信息。

3.Opencv的很多函数只支持单通道。

	faceCascade.detectMultiScale(imgGray, faces, 1.2, 6, 0, Size(0, 0));

调用CascadeClassifier类对象faceCascade的成员函数detectMultiScale()，对输入的灰度图imgGray进行检测，将检测到的人脸的矩形框向量组存入faces，尺度参数为1.2，每一个目标至少要被检测到6次才算是人脸，flag为0，最小可能的对象大小为Size(0,0)，小于该值的对象将被忽略。

detectMultiScale()函数：在输入的图片中检测不同大小的目标，检测到的目标作为矩形列表返回。

if (faces.size() > 0){
		for (int i = 0; i < faces.size(); i++){
			rectangle(img, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height),
				Scalar(0, 0, 255), 4, 8);    //框出人脸位置
		}
}

调用数组元素为Rect类类型的动态数组faces的成员函数size()，如果face.size()大于0，即矩阵数组不为空，也就是说检测到目标了，则执行for循环，将检测到的目标框起来。

rectangle()函数：绘制简单、指定粗细或带填充的矩形。

Rectangle( CvArr* img, CvPoint pt1, CvPoint pt2, CvScalar color, int thickness=1, int line_type=8, int shift=0 );

1.第一个参数为img，也就是指定在哪个图上画框，对于本例则为img。

2.第二个参数为矩形的左上角顶点的坐标，对应本例为Point(faces[i].x, faces[i].y)。

3.第三个参数为矩形对角线上的另一个顶点，对应本例为Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height)。

4.第四个参数为线条颜色，Scalar(B,G,R)有三个参数，分别对应Blue、Green、Red，本例将框设置为红色，即Scalar(0,0,255)。

5.第五个参数为线条粗细，数越大线条越粗，本例设置为4。

6.第六个参数似乎是线条类型。有待考证。

imshow("FacesOf3ming", img);
waitKey(0);
return 0;

执行完循环，检测到的目标已全部框出，调用imshow()函数，将框完人脸的图片img显示出来。

imshow()函数有两个参数，第一个是显示图片窗口的名称，第二个是储存图像数据的对象。

waitkey(0)函数在显示图像时具有延时的作用,单位为毫秒。若参数为0，则图像不会自动关闭，会无限等待下去直到有按键按下。

程序运行结束，return 0。

程序运行结果

可以看到，明家三兄弟的脸已经被红框框起来了。静态图片中人脸检测成功实现。

总结

本来想写很多，却又写不出了。就希望自己能学到想学的知识，氧氧能快快乐乐的吧。