人脸识别综述之人脸检测-代码实现

在上篇文章中，简单的介绍了

人脸识别综述之人脸检测

的原理，虽然Viola-Jones算法已经算是老掉牙的技术，但是本着学习的态度，本文还是想通过简单的代码来加深对该算法的印象。

本文主要通过OpenCV进行人脸检测工作，关于OpenCV的安装教程，请自行百度，以下内容只作为人脸检测的Hello World案例。

这里对OpenCV和Cascade做一些简单的介绍。

OpenCV

OpenCV是最流行的计算机视觉库，原本用C和C++开发，现在也支持python。

它使用机器学习算法在图像中搜索人的面部。对于人脸这么复杂的东西，并没有一个简单的检测能对是否存在人脸下结论，而需要成千上万的特征匹配。算法把人脸是被任务分解成数千个小任务，每个都不难处理。这些任务也被称为分类器。

对于类似于人脸的对象，你或许需要不少于 6000 个分类器，每一个都需要成功匹配（当然，有容错率），才能检测出人脸。但这有一个问题：对于人脸识别，算法从左上角开始计算一个个数据块，不停问“这是张脸吗”。每个数据块有超过 6000 个检测，加起来的计算量会达到数百万级别，计算机很可能会让你等得花儿都谢了。

OpenCV 使用 cascades 来避免这种情况。Cascade 是什么？最佳答案已经在字典里了：一条瀑布或者连续瀑布。

好比连续瀑布，OpenCV cascade 把人脸检测问题分解为好几步。对于每个数据块，它都进行一个粗略、快速的检测。若通过，会再进行一个更仔细的检测，以此不断类推。该算法有 30 到 50 个这样的阶段，或者说 cascade。只有通过全部阶段，算法才会判断检测到人脸。这样做的好处是：大多数图形都会在头几步就产生否定反馈，算法因而不需要在它上面测试所有 6000 个特征，大大节省了时间。相对于“正常流程”耗费数个小时，这可以实时实现人脸检测。

Cascade

它的理论也许听起来很复杂，实际操作起来其实是很简单的。这些 cascades 只是一系列包含 OpenCV 数据的 XML 文件。你用想要的 cascade 初始化代码，它自会替你做你想要的事。

由于人脸识别的普遍性，OpenCV 有一系列能检测各种东西的内置 cascade，从眼睛到手到腿都可以检测。甚至还有针对非人体物体的 cascade。比如说，如果你经营一家卖香蕉的水果店，想要监测偷香蕉的人，就有一个家伙开发了一个针对这一场景的算法！

以下代码主要分为两个部分：

1：静态图片的人脸检测

2：视频流的人脸检测

Talk is cheap,Show me the code!

静态图片人脸检测

关于代码的详细解析，已经在文章中有所体现。

视频图像人脸检测