### 使用Qt和OpenCV实现人脸识别 #### 加载Haar级联分类器 为了实现人脸识别，首先需要加载预训练的Haar级联分类器。这可以通过`cv::CascadeClassifier::load()`函数完成[^1]。 ```cpp #include <opencv2/objdetect.hpp> #include <opencv2/highgui.hpp> cv::CascadeClassifier face_cascade; if (!face_cascade.load("haarcascade_frontalface_alt.xml")) { std::cerr << "Error loading cascade file" << std::endl; } ``` #### 转换图像格式 当从摄像头或其他源获取图像时，通常会先将其存储为Qt的`QImage`对象。然而，在处理之前，这些图像需被转换成OpenCV所使用的`cv::Mat`格式[^2]。 ```cpp // Assuming 'qimage' is a QImage object obtained from Qt's image capture mechanism. cv::Mat mat; cv::cvtColor(cv::Mat(qimage.height(), qimage.width(), CV_8UC4, const_cast<uchar*>(qimage.bits()), qimage.bytesPerLine()), mat, cv::COLOR_RGBA2BGR); ``` #### 检测人脸 一旦拥有了适当格式化的图像数据，则可以调用`cv::CascadeClassifier::detectMultiScale()`来定位其中的人脸位置[^3]。 ```cpp std::vector<cv::Rect> faces; face_cascade.detectMultiScale(mat, faces); for (size_t i = 0; i < faces.size(); ++i) { // Draw rectangles around detected faces on the original image matrix `mat`. cv::rectangle(mat, faces[i], cv::Scalar(255, 0, 0), 2); } ``` #### 绘制矩形框与显示结果 最后一步是在原图上画出边界框，并通过Qt界面组件展示最终的结果给用户看[^4]。 ```cpp // Convert processed Mat back to QImage for display within QLabel widget. QImage result_image((const uchar*)mat.data, mat.cols, mat.rows, static_cast<int>(mat.step), QImage::Format_RGB888); ui->label->setPixmap(QPixmap::fromImage(result_image)); ```