C++利用opencv实现人脸检测

下面详细讲解一下C++利用OpenCV实现人脸检测的完整攻略。

确定使用的OpenCV版本

首先，需要确认使用的OpenCV版本。当前最新版本为4.5.1，可以从官网下载并安装。也可以通过包管理器等方式安装，如：

sudo apt-get install libopencv-dev

创建C++工程

接着，需要创建一个C++工程。可以使用任何C++开发工具来创建，通常使用的是Visual Studio等IDE。

引入OpenCV库文件

在创建好C++工程后，需要将OpenCV库文件引入到工程中。具体引入步骤与不同的IDE或环境有关，这里以Visual Studio 2019为例，介绍一下简单的引入方法：

在工程属性中的VC++目录选项卡中，添加OpenCV的include路径和lib路径。在VC++目录下的include目录中添加OpenCV的include目录，在library目录中添加OpenCV的库文件目录。

在项目属性中的配置属性中的链接器-输入目录中，添加需要使用的OpenCV库文件，如：

opencv_calib3d450d.lib
opencv_core450d.lib
opencv_dnn450d.lib
opencv_features2d450d.lib
opencv_flann450d.lib
opencv_gapi450d.lib
opencv_highgui450d.lib
opencv_imgcodecs450d.lib
opencv_imgproc450d.lib
opencv_ml450d.lib
opencv_objdetect450d.lib
opencv_photo450d.lib
opencv_stitching450d.lib
opencv_video450d.lib
opencv_videoio450d.lib

加载OpenCV并实现人脸检测

引入库文件后，就可以开始加载OpenCV并编写人脸检测的代码了。以下是两个示例：

示例1：利用Haar特征实现人脸检测

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

int main()
{
    // 加载Haar特征分类器
    cv::CascadeClassifier face_cascade;
    face_cascade.load("haarcascade_frontalface_alt.xml");

    // 加载图片并处理
    cv::Mat img = cv::imread("image.jpg");
    if (img.empty()) {
        std::cout << "图片未找到" << std::endl;
        return -1;
    }

    // 将图片转为灰度图
    cv::Mat gray;
    cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);

    // 检测人脸
    std::vector<cv::Rect> faces;
    face_cascade.detectMultiScale(gray, faces, 1.1, 2, 0 | cv::CASCADE_SCALE_IMAGE, cv::Size(30, 30));

    // 显示结果
    for (size_t i = 0; i < faces.size(); ++i) {
        cv::rectangle(img, faces[i], cv::Scalar(0, 0, 255), 2, 8, 0);
    }
    cv::imshow("result", img);
    cv::waitKey(0);

    return 0;
}

示例2：利用Deep Learning实现人脸检测

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

int main()
{
    // 定义模型文件路径
    std::string prototxt_file = "deploy.prototxt";
    std::string model_file = "res10_300x300_ssd_iter_140000_fp16.caffemodel";

    // 加载模型
    cv::dnn::Net net = cv::dnn::readNetFromCaffe(prototxt_file, model_file);

    // 加载图片并处理
    cv::Mat img = cv::imread("image.jpg");
    if (img.empty()) {
        std::cout << "图片未找到" << std::endl;
        return -1;
    }

    // 图片预处理
    cv::Mat inputBlob = cv::dnn::blobFromImage(img, 1.0, cv::Size(300, 300), cv::Scalar(104, 177, 123), false, false);
    net.setInput(inputBlob, "data");

    // 运行模型
    cv::Mat detection = net.forward("detection_out");

    // 解析结果并显示
    cv::Mat detectionMat(detection.size[2], detection.size[3], CV_32F, detection.ptr<float>());
    for (int i = 0; i < detectionMat.rows; ++i) {
        float confidence = detectionMat.at<float>(i, 2);
        if (confidence > 0.5) {
            int x1 = static_cast<int>(detectionMat.at<float>(i, 3) * img.cols);
            int y1 = static_cast<int>(detectionMat.at<float>(i, 4) * img.rows);
            int x2 = static_cast<int>(detectionMat.at<float>(i, 5) * img.cols);
            int y2 = static_cast<int>(detectionMat.at<float>(i, 6) * img.rows);
            cv::rectangle(img, cv::Rect(cv::Point(x1, y1), cv::Point(x2, y2)), cv::Scalar(0, 0, 255), 2);
        }
    }
    cv::imshow("result", img);
    cv::waitKey(0);

    return 0;
}

以上是两个简单的OpenCV人脸检测示例，希望可以对你有所帮助。