本篇小结是关于OpenCv小白入门的，分享一下自己的想法，并且较为详细的总结一下利用OpenCv自带的Haar分类器进行人脸检测以及基于OpenCV3.1+Vs2013+C++的具体代码实现。
原文链接
没有实际的操作，一切都是扯淡：
怎么说，在我刚刚开始学习OpenCv的时候，疯狂的被安利学习OpenCV(中文版)和数字图像处理不可否认，这些书确实是挺不错的，我也确实想把他们都细细的啃完；But，一考虑自己这个记忆力，怕是看完就忘记完了哦，再结合某人士说的，我们是站在巨人的肩膀上的，我们应该从作中学，没有实际的操作，一切都是扯淡！
于是，借助OpenCv的友情链接的教程OpenCV Tutorial (C++)快速实现了入门。
之后，再借助国内码云找到了若干小项目练手。
- 微信跳一跳，辅助程序， 有兴趣的可以瞅瞅：
github
然后，根据自己的兴趣，开始学习人脸检测
实际操作：
* 区别"人脸检测"和"人脸识别"：
* 代码的具体实现过程：
第一段代码
这一段，前半部分主要是函数的声明，全局变量的声明，以及准备训练好的分类器文件；
后面的main函数里面有2个函数， 分别是利用图片和摄像头作为输入，进行实时检测，这里只需要讲解图片作为输入即可。
图片处理
- 由于以及有了OpenCv训练好了的分类器文件，我们就只需要使用load这个方法进行加载即可:
bool cv::CascadeClassifier::load(const String & filename)
- 把图像转为黑白图像,并且进行直方图均衡文档：
cvtColor(src_img, gray_img, COLOR_BGR2GRAY);
equalizeHist(gray_img, gray_img);
- 利用detectMultiScale加载分类器，对输入的图像进行检测：
face_cascade.detectMultiScale(gray_img, faces, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));
eyes_cascade.detectMultiScale(faceROI, eyes, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(50, 50));
- 遍历检测到的所有脸，利用ellipse绘制椭圆，标记检测到的脸；由于眼睛是长在脸上的这个真理，在找到脸的基础上，利用detectMultiScale加载分类器，检测眼睛，并且利用circle绘制圆，做出标记：
//-- Detect faces
face_cascade.detectMultiScale(gray_img, faces, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));
for (size_t i = 0; i < faces.size(); i++)
{
Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2);
ellipse(gray_img, center, Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0);
Mat faceROI = gray_img(faces[i]);
cout << "i: " << i<< endl;
std::vector<Rect> eyes;
//-- In each face, detect eyes
eyes_cascade.detectMultiScale(faceROI, eyes, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(50, 50));
for (size_t j = 0; j < eyes.size(); j++)
{
Point eye_center(faces[i].x + eyes[j].x + eyes[j].width / 2, faces[i].y + eyes[j].y + eyes[j].height / 2);
int radius = cvRound((eyes[j].width + eyes[j].height)*0.25); //获取半径、cvRound将浮点数四舍五入到最接近的整数。
cout << "radius: "<<radius << endl;
circle(gray_img, eye_center, radius, Scalar(255, 0, 0), 4, 8, 0);
}
}
- 然后， imshow出来就是了
效果图以及源代码：
效果图
github
接下来的计划：
这个玩意，其实最核心还是那个分类器，计划下一步，去找个网站，用py写一条健壮的爬虫，整个几千张图下来，用python训练个分类器，检测一些其他的东西。
