先放程式碼，在一一解釋

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    VideoCapture capture(0);   //呼叫本地攝像頭

    String cascadeFilePath = "E:\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_alt.xml";  //opencv訓練好的分類模型

    CascadeClassifier face_cascade;  //例項化分類器
 


    if (!face_cascade.load(cascadeFilePath))         // 用load函式載入XML分類器檔案
    {
        printf("could not load the haar data...\n");
        return -1;
    }

    Mat src_img, gray_img;

    while (true)
    {
        //src_img = imread("E:/123.jpg");   //圖片測試
        //imshow("原圖", src_img);

        capture >> src_img;
        cvtColor(src_img, gray_img, COLOR_BGR2GRAY); //將原圖轉化為灰度圖
 

        equalizeHist(gray_img, gray_img);        //直方圖均衡化

        vector<Rect> faces;                  // faces是一個容器，用來接收檢測到的人臉

        face_cascade.detectMultiScale(gray_img, faces, 1.1, 3, 0);  //用分類器尋找人臉

        for (auto t = 0; t < faces.size(); ++t)
        {
            rectangle(src_img, faces[t], Scalar(0
 
, 0, 255), 2, 8, 0);            // 用紅色矩形框出人臉
        }

        imshow("results", src_img);

        waitKey(10);    //延時10
    }
    return 0;
}

一、 VideoCapture 類讀取視訊或呼叫本地攝像頭

1. 讀取視屏

VideoCapture capture(“1.avi”);

1. 呼叫攝像頭
   VideoCapture capture(0);

顯示視訊或攝像頭：
視訊或攝像頭內容讀取到VideoCapture類物件之後，用一個迴圈將每一幀顯示出來

while(1)
{
    Mat frame;
    capture>>frame;
    imshow("results",frame);
    waitkey(10);
}

二、分類模型

opencv 已經內建了訓練好的模型，放置在 etc 資料夾下。分別是用haar特徵和lbp特徵訓練的分類模型，兩種特徵具體資訊可以百度。

三、detectMultiScale(InputArray image, CV_OUT std::vector& objects, double scaleFactor = 1.1, int minNeighbors = 3, int flags = 0, Size minSize = Size(), Size maxSize = Size() )

其引數解釋如下：

• image：待檢測圖片，一般為灰度影象以加快檢測速度；
• objects：vector型別，為輸出量，表示被檢測物體的矩形框向量組；
• scaleFactor：表示在前後兩次相繼的掃描中，搜尋視窗的比例係數。預設為1.1即每次搜尋視窗依次擴大10%;一般設定為1.1
• minNeighbor：表示構成檢測目標的相鄰矩形的最小個數( 預設值為3)。如果組成檢測目標的小矩形的個數和小於 min_neighbors - 1 都會被排除。
• flags：要麼使用預設值，要麼使用CV_HAAR_DO_CANNY_PRUNING，如果設定為CV_HAAR_DO_CANNY_PRUNING，那麼函式將會使用Canny邊緣檢測來排除邊緣過多或過少的區域，因此這些區域通常不會是人臉所在區域；
• minSize和maxSize：用來限制得到的目標區域的範圍。

detectMultiscale函式為多尺度多目標檢測，多尺度：通常搜尋目標的模板尺寸大小是固定的，但是不同圖片大小不同，所以目標物件的大小也是不定的，所以多尺度即不斷縮放圖片大小（縮放到與模板匹配），通過模板滑動窗函式搜尋匹配；同一副圖片可能在不同尺度下都得到匹配值，所以多尺度檢測函式detectMultiscale是多尺度合併的結果。 多目標：通過檢測符合模板匹配物件，可得到多個目標，均輸出到objects向量裡面。