在opencv中，人脸检测用的是harr或LBP特征，分类算法用的是adaboost算法。这种算法需要提前训练大量的图片，非常耗时，因此opencv已经训练好了，把训练结果存放在一些xml文件里面。在opencv3.0版本中，训练好的文件放在 \build\etc\文件夹下，有两个文件夹haarcascades和lbpcascades，前者存放的是harr特征训练出来的文件，后者存放的是lbp特征训练出来的文件。
人脸检测主要用到的是CascadeClassifier这个类，以及该类下的detectMultiScale函数。
函数原型是：
void CascadeClassifier::detectMultiScale(InputArray image, vector<Rect>& objects, double scaleFactor=1.1, int minNeighbors=, int flags=, Size minSize=Size(), Size maxSize=Size())
总共有7个参数，分别是
第一个参数image: 要检测的图片，一般为灰度图
第二个参数objects: Rect型的容器，存放所有检测出的人脸，每个人脸是一个矩形
第三个参数scaleFactor: 缩放因子，对图片进行缩放，默认为1.1
第四个参数minNeighbors： 最小邻居数，默认为3
第五个参数flags: 兼容老版本的一个参数，在3.0版本中没用处。默认为0
第六个参数minSize: 最小尺寸，检测出的人脸最小尺寸
第七个参数maxSize： 最大尺寸，检测出的人脸最大尺寸
代码：
#include "stdafx.h"
#include "opencv2\opencv.hpp"
#include <iostream>
using namespace std;
using namespace cv; int main()
{
string xmlPath="F:\\opencv3\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_default.xml";
CascadeClassifier ccf; //创建分类器对象
Mat img=imread("d:/friends.jpg");
if(!ccf.load(xmlPath)) //加载训练文件
{
cout<<"不能加载指定的xml文件"<<endl;
return ;
}
vector<Rect> faces; //创建一个容器保存检测出来的脸
Mat gray;
cvtColor(img,gray,CV_BGR2GRAY); //转换成灰度图，因为harr特征从灰度图中提取
equalizeHist(gray,gray); //直方图均衡行
ccf.detectMultiScale(gray,faces,1.1,,,Size(,),Size(,)); //检测人脸
for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++)
{
rectangle(img,*iter,Scalar(,,),,); //画出脸部矩形
}
imshow("faces",img);
waitKey();
return ;
}
总结：
使用起来非常简单，只是精度不怎么样。毕竟这些算法早已经过时，现在是深度学习的天下了。