弄了一天終於實現了簡單的人臉識別，參考學習的書籍《OpenCV影象處理程式設計例項》裡的程式碼並不合適，可能是我並沒有完全照抄書上的程式的原因，但是《OpenCV3計算機視覺Python語言實現》一書中關於人眼檢測那部分程式碼也是不行的，最後經過自己的簡單修改才實現的最後效果。
本來之前用著VS2013 Pro(版本VC12)的，但是前幾天電腦中毒了系統環境變數PATH全沒了，VS2013也打不開，重新設定之後還是有問題，昨天又花了一晚的時間將OpenCV3.1用TDM-GCC編譯出來，在codeblocks16.04上編寫工程，之前對codeblocks瞭解不多，這幾天也正好學習了。下面記錄一下今天的結果（主要是貼程式碼了~~)，以備日後自己參考和提供入門新手的一些借鑑。

系統環境：win10 64bit

C++實現：

編譯器Compiler: TDM-GCC64(基於GCC5.1.0)
整合開發環境IDE:Codeblocks16.01 ，我之前的一篇文章說codeblocks下載自帶mingw編譯器的，但是從官網的說明來看mingw是32位版本的，也是基於TDM-GCC的，如果需要64位的就要另外安裝TDM-GCC64。另外可以提一下mingw(mingw32),mingw64和TDM-GCC是不同的，具體可以自行搜尋，總的來說TDM-GCC效能最穩定。

下面是檢測的子函式，大部分都有註釋了：

int detectfaces(Mat frame)
{
    cv::CascadeClassifier face_cascade,eyes_cascade;
    cv::String window_name = "Face detect"
 
;

    /*！//載入Haar級聯檔案，由此執行人臉檢側和人眼檢測！*/
    face_cascade.load("haarcascade_frontalface_default.xml");
    eyes_cascade.load("haarcascade_eye.xml");

    std::vector<Rect> faces; //儲存人臉位置
    std::vector<Rect> eyes;  //儲存人眼位置
    Mat grayImg ;

    cvtColor(frame, grayImg,COLOR_BGR2GRAY);  //轉化為灰度圖
 


    equalizeHist(grayImg,grayImg);   //直方圖均衡

    //多尺度人臉檢測
    face_cascade.detectMultiScale(grayImg, faces, 1.1, 3,
                                  0|CASCADE_SCALE_IMAGE, Size(30,30));
    //人臉檢測結果判定
    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);
        Point pt1(faces[i].x,faces[i].y); //矩形左上角座標
        Point pt2(faces[i].x+faces[i].width, faces[i].y+faces[i].height); //矩形右下角座標

        Mat face = grayImg(faces[i]);

        rectangle(frame,pt1,pt2,Scalar(255,0,0),4); //繪製矩形，藍色邊框（BGR格式）,邊框大小為4

        /*！書籍上第一個引數是face,即人臉區域，但是不行，最後換成轉換出來的灰度圖就可以了，
        原因不明，還在繼續學習中！*/
        eyes_cascade.detectMultiScale(grayImg, eyes, 1.33, 2,
                              0 | CASCADE_SCALE_IMAGE, Size(30,30));
    }

主函式：

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main(int argc, char *argv[])
{
    VideoCapture cap(0); //新建VideoCapture物件
    Mat frame;
    while(cap.read(frame)) //開啟攝像頭
    {
        detectfaces(frame);
        if(char(waitKey(1))=='Q') //如果按下‘Q'就退出
            break;
    }
    return 0;
}

Python實現：

IDE: 輕量級的IDE——Pyzo ,效能很穩定，可以方便切換python2和python3環境，支援tab自動補全程式碼，當然，不足之處就是介面主題單一無法修改等。順便提一下，我自己用的是IEP3.7 (IEP是Pyzo老版本，官網有說明)，本來一開始也是安裝了最新版本的Pyzo4.3.1，但是安裝完之後執行mayavi的函式會報錯，提示說mayavi不支援Pyqt5，查看了一下Pyzo的安裝檔案都是PyQT5的，應該是這裡起衝突了，換回IEP3.7就沒問題了。

程式碼如下：

import cv2


##下面的haarcascade_frontalface_alt2.xml和cascades\\haarcascade_eye.xml在opencv3.1原始碼的$opencv_source_path$/data/haarcascades下面，本地沒有原始碼的話可以去github線上找

def detect():
    face_cascade = cv2.CascadeClassifier("D:\\Files\\python\\python2\\facialdetect\\cascades\\haarcascade_frontalface_alt2.xml") #載入級聯檔案

    eye_cascade = cv2.CascadeClassifier("D:\\Files\\python\\python2\\facialdetect\\cascades\\haarcascade_eye.xml")

    cap = cv2.VideoCapture(0) #開啟攝像頭

    while (cap.isOpened()):   #如果打開了攝像頭
        ret,frame = cap.read()  #獲取幀資料
        gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)    #轉化為灰度圖
        faces = face_cascade.detectMultiScale(gray,1.3,5) #人臉檢測

        for (x,y,w,h) in faces: 
            img = cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2) #繪製矩形
            #同樣，書籍的程式碼是給出 roi_gray 這個人臉區域來識別眼睛，但是不行，大家可以試試把下面引數 img 改回roi_gray
            #roi_gray = gray[y:y+h,x:x+w]
            eyes = eye_cascade.detectMultiScale(img,1.03,5,0,(30,30)) #人眼檢測

        for (ex,ey,ew,eh) in eyes:
            cv2.rectangle(frame, (ex,ey), (ex+ew,ey+eh),(0,255,0),2) #繪製矩形
            cv2.imshow('face',frame)

        if cv2.waitKey(1) & 0xff == ord("Q"):
            break

    cap.release()    
    cv2.destroyAllWindows()

detect()

最終截圖就不貼出來了，從結果可以發現用Python的效果比較好，自己也沒怎麼去調引數了，detectMultiScale函式的一些引數可以調整來改變效果的。暫時先記錄到這裡了！

參考資料：
《OpenCV影象處理程式設計例項》
《OpenCV3計算機視覺Python語言實現》