### 实现视频中逐帧人脸检测 为了在 C++ 和 OpenCV 环境下实现对视频逐帧进行人脸检测，可以按照如下方法编写程序： #### 加载必要的库并初始化变量 首先，在代码文件顶部引入所需的头文件，并定义一些全局变量用于存储分类器路径以及创建 `CascadeClassifier` 对象。 ```cpp #include <opencv2/opencv.hpp> using namespace cv; // 定义Haar级联分类器路径 std::string face_cascade_path = "path_to_haarcascades/haarcascade_frontalface_default.xml"; CascadeClassifier face_cascade; ``` #### 打开摄像头或读取本地视频文件 通过 VideoCapture 类打开默认摄像设备或者指定一个视频文件作为输入源。如果要访问计算机上的第一个可用相机，则传递参数 0；如果是特定视频文件，则提供其完整路径。 ```cpp VideoCapture cap(0); // 或者使用 cap.open("video_file.mp4"); if (!cap.isOpened()) { std::cerr << "无法打开摄像头或视频文件\n"; return -1; } ``` #### 创建窗口显示捕获到的画面 利用 namedWindow 函数建立一个新的窗口以便后续展示每一帧经过处理后的图像数据。 ```cpp namedWindow("Face Detection", WINDOW_AUTOSIZE); ``` #### 主循环：获取每帧画面并执行人脸检测算法 进入无限 while 循环内不断抓取最新一帧的数据存入 Mat 变量 frame 中，接着转换成灰度图 grayFrame 并将其传给 detectMultiScale() 方法完成实际的人脸识别工作。最后遍历返回的结果矩形列表 faces 给每一个找到的脸部区域绘制边界框。 ```cpp while (true) { Mat frame, grayFrame; vector<Rect> faces; cap >> frame; // 获取当前帧 if (frame.empty()) break; cvtColor(frame, grayFrame, COLOR_BGR2GRAY); // 转换为灰色尺度图片 equalizeHist(grayFrame, grayFrame); // 使用预训练好的模型来进行人脸识别 face_cascade.detectMultiScale(grayFrame, faces, 1.1, 3, 0 | CASCADE_SCALE_IMAGE, Size(30, 30)); // 遍历所有人脸位置信息，并画出绿色方框标记出来 for (size_t i = 0; i < faces.size(); ++i) rectangle(frame, faces[i], Scalar(0, 255, 0), 2, LINE_8, 0); imshow("Face Detection", frame); // 显示带有标注的图像 char c = waitKey(10); if (c == 27 || c == 'q' || c == 'Q') { // ESC/q/Q键退出 break; } } destroyAllWindows(); ``` 以上就是完整的基于 C++ 和 OpenCV 的实时视频流中人脸检测功能的具体实现过程[^1]。