这节课，我们再来看一个简单且实用的例子：人脸识别。这个小例子可以让你进一步领略openCV的强悍。

1.复制demo14并改名为demo15。

2.修改capImg函数：

int fmle::capImg() {
	// 加载人脸检测分类器
	cv::CascadeClassifier faceCascade;
	faceCascade.load("E:\\SDK\\opencv-sdk\\data\\haarcascades\\haarcascade_frontalface_default.xml");
	cv::Mat image;
	image = cv::imread("girl.jpg");
	// 将图像转换为灰度图像
	cv::Mat grayImage;
	cv::cvtColor(image, grayImage, cv::COLOR_BGR2GRAY);

	// 进行人脸检测
	std::vector<cv::Rect> faces;
	faceCascade.detectMultiScale(grayImage, faces, 1.1, 3, 0, cv::Size(30, 30));

	// 在图像上绘制检测到的人脸
	for (const auto& face : faces) {
		cv::rectangle(image, face, cv::Scalar(0, 255, 0), 2);
	}

	mainDlg->drawMatOfPub(image);
	return 0;
}

3.调试运行，当人脸被检测到时会在人脸周围显示绿框。

4.当然也可以实时检测摄像头中的人脸，流程与图片检测差不多，修改capCam函数：

int fmle::capCam() {
    videoCap.open(0);    
    // 加载人脸检测分类器
    cv::CascadeClassifier faceCascade;
    faceCascade.load("E:\\SDK\\opencv-sdk\\data\\haarcascades\\haarcascade_frontalface_default.xml");
    
    while (true)
    {
        cv::Mat image;
        BOOL ifSuccess = videoCap.read(image);

        // 将图像转换为灰度图像
        cv::Mat grayImage;
        cv::cvtColor(image, grayImage, cv::COLOR_BGR2GRAY);

        // 进行人脸检测
        std::vector<cv::Rect> faces;
        faceCascade.detectMultiScale(grayImage, faces, 1.1, 3, 0, cv::Size(30, 30));

        // 在图像上绘制检测到的人脸
        for (const auto& face : faces) {
            cv::rectangle(image, face, cv::Scalar(0, 255, 0), 2);
        }

        mainDlg->drawMatOfPub(image);
        Sleep(40);
    }    
    videoCap.release();
    
    
    return 0;
}

不过，这个算法对长的不太帅或不太漂亮的人脸有时候会失效。