OpenCV支持的目标检测的方法是利用样本的Haar特征进行的分类器训练，得到的级联boosted分类器（Cascade Classification）。OpenCV2之后的C++接口除了Haar特征以外也可以使用LBP特征。
介绍haar分类器理论知识：
1、http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html（讲的很详细）；
2、http://blog.csdn.net/zy1034092330/article/details/48850437（基础理论）
实际使用中原理只要大概懂就行了，如果想深究，可以读读两个链接中的博文。
使用OpenCV中自带的haar分类器识别人脸，其文件在OpenCV安装文件夹如下路径中：
将haarcascade_frontalface_alt.xml文件复制到工程根目录下即可。
代码：
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
//String my_face_cascade_name = "my_haarcasade_face.xml";
String face_cascade_name = "haarcascade_frontalface_alt.xml";
CascadeClassifier face_cascade;
String window_name = "Capture - face detection";
void detectFace(Mat frame);
int main()
{
VideoCapture capture;
Mat frame;
//检测是否成功读取人脸的haar分类器，就是那个xml文件
if (!face_cascade.load(my_face_cascade_name))
{
cout << "Error: cannot load face casade!!!" << endl;
return -1;
}
capture.open(0);//打开摄像头
//检测摄像头是否成功打开
if (!capture.isOpened())
{
cout << "Error: cannot open the camera!!!" << endl;
return -1;
}
namedWindow(window_name);//创建窗口
while (true)
{
capture >> frame; //从摄像头读入一帧图像
detectFace(frame);//对那帧图像进行处理，识别人脸
//等待按键，若按下esc键，则退出循环
int c = waitKey(10);
if (c == 0x1B)
break;
}
return 0;
}
//从输入图像中检测人脸
void detectFace(Mat frame)
{
Mat frame_gray;
vector<Rect> face;
cvtColor(frame, frame_gray, COLOR_BGR2GRAY);//转成灰度图像
equalizeHist(frame_gray, frame_gray);//直方图均衡化
//按照文档说明调用函数即可
face_cascade.detectMultiScale(frame_gray, face, 1.1, 2, CASCADE_SCALE_IMAGE, Size(30, 30));
//遍历所有人脸
for (size_t i = 0; i < face.size(); i++)
{
//根据返回的Rect的x坐标、y坐标、宽width和高height算出中心位置
Point center(face[i].x + face[i].width/2, face[i].y + face[i].height/2);
//调用ellipse画出椭圆型边框，指示人脸
ellipse(frame, center, Size(face[i].width/2, face[i].height/2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0);
}
//最后刷新窗口，显示图像
imshow(window_name, frame);
}程序中已经有相关注释，不做赘述。只要环境配置正确，OpenCV2下运行应该不会有错。
简要总结一下CascadeClassifier::detectMultiScale函数的用法：
从文档中摘出来的三种c++下的定义方式：
CascadeClassifier::detectMultiScale
Detects objects of different sizes in the input image. The detected objects are returned as a list of rectangles.C++: void CascadeClassifier::detectMultiScale(InputArray image, vector& objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())
C++: void CascadeClassifier::detectMultiScale(InputArray image, vector& objects, vector& numDetections, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())
C++: void CascadeClassifier::detectMultiScale(InputArray image, std::vector& objects, std::vector& rejectLevels, std::vector& levelWeights, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size(), bool outputRejectLevels=false )
只讨论下面这种形式：
C++: void CascadeClassifier::detectMultiScale(InputArray image,
vector& objects, double scaleFactor=1.1, int minNeighbors=3, int
flags=0, Size minSize=Size(), Size maxSize=Size())
参数说明：
1、InputArray image：
输入图像，填Mat类型的图像即可。图像通道数可以是任意的，但图像深度应为CV_8U、CV_16U、CV_16S、CV_32F、CV_64F；
2、std::vector& objects：
为被检测物体的矩形向量组，这里就代表人脸所在范围的矩形向量组；
3、double scaleFactor=1.1：
scaleFactor为图像中的尺度参数，默认取值1.1；
4、int minNeighbors=3：
每一个级联矩形应该保留的邻近个数的最小值，默认为3；
5、int flags=0：
在老版本的OpenCV中，与cvHaarDetectObjects中的这个参数具有相同的含义，新版本中没用，默认取0；
6、Size minSize=Size()：
物体的最小大小，指定其大小的最小值，所有小于此的都被忽视掉；
7、Size maxSize=Size()：
物体的最大大小，指定其大小的最大值，所有大于此的都被忽视掉；