一、概述

　　案例：使用opencv級聯分類器CascadeClassifier+其提供的特徵資料實現人臉檢測，檢測到人臉後使用紅框畫出來。　

API介紹：
detectMultiScale( InputArray image,
                                  CV_OUT std::vector<Rect>& objects,double scaleFactor = 1.1,
                                  int minNeighbors = 3, int flags = 0,
                                  Size minSize 
 
= Size(),
                                  Size maxSize = Size(),
                                 );
image:輸入影象
objects：檢測到的目標區域陣列（因一副影象中有可能有多個人臉）
scaleFactor：搜尋前後兩次視窗大小比例係數，預設為1:1，即每次搜尋視窗擴大10%
minNeighbors：構成檢測目標的相鄰矩形的最小個數 如果組成檢測目標的小矩形的個數和小於minneighbors - 1 都會被排除，如果minneighbors為0 則函式不做任何操作就返回所有被檢候選矩形框。
flags：若設定為CV_HAAR_DO_CANNY_PRUNING 函式將會使用Canny邊緣檢測來排除邊緣過多或過少的區域，預設寫0即可
minSize：檢測的最小尺寸
maxSize：檢測的最大尺寸

　　實現人臉檢測的步驟：

　　　　1.例項化CascadeClassifier face_cascade

　　　　2.使用load載入特徵資料

　　　　3.載入待檢測影象

　　　　4.影象灰度化

　　　　5.將灰度圖進行直方圖均衡化

　　　　6.進行多尺度檢測，並輸出檢測到的人臉區域候選陣列

　　　　7.將人臉區域陣列繪製並顯示到原圖輸出

二、程式碼示例

 //載入特徵資料
    CascadeClassifier face_cascade;
    if(!face_cascade.load(xmlPath.toStdString())){
        qDebug()<<"
 
不能載入特徵資料";
        return;
    }

    Mat src = imread(filePath);
    if(src.empty()){
        qDebug()<<"圖片不能為空";
        return;
    }
    imshow("src",src);
    Mat gray;
    cvtColor(src,gray,COLOR_BGR2GRAY);
    //進行直方圖均衡化
    equalizeHist(gray,gray);
//    imshow("equalizHist",gray);

    //執行多尺度特徵檢測
    vector<Rect> faces;
    face_cascade.detectMultiScale(gray,faces,1.1,minTargetRectCount,0,Size(24,24));
    for(size_t i = 0;i<faces.size();i++){
        rectangle(src,faces[i],Scalar(0,0,255),2,LINE_8,0);
    }
    imshow("result",src);

三、示例圖片