基于opencv的人脸检测学习（二）

提取出图像的细节对产生稳定的分类结果和跟踪结果有重要作用，这些提取的结果被称为特征，即从图像数据中提取特征，虽然任意像素都可以影响多个特征，但特征比像素少的多，两个图像的相似程度可以通过他们对应特征的欧氏距离来度量。
Haar特征是一种用于实现人脸跟踪的特征，每一个Haar特征都描述了相邻图像区域的对比模式，边，顶点和细线都能生成具有判别性的特征。
在文件夹haarcascades中包含了所有OpenCV的人脸检测的XML文件，这些可用于检测静止图像、视频和摄像头所得到的图像中的人脸
人脸检测器（默认）:haarcascade_frontalface_default.xml
人脸检测器（快速Harr）:haarcascade_frontalface_alt2.xml
人脸检测器（侧视）：haarcascade_profileface.xml
眼部检测器（左眼）：haarcascade_lefteye_2splits.xml
眼部检测器（右眼）：haarcascade_righteye_2splits.xml
嘴部检测器：haarcascade_mcs_mouth.xml
鼻子检测器：haarcascade_mcs_nose.xml
身体检测器：haarcascade_fullbody.xml
人脸检测器（快速LBP）：lbpcascade_frontalface.xml

静止图像中的人脸检测

人脸检测首先是加载图像并检测人脸，然后在原始图像的人脸周围绘制矩形框
这种方式在图像中由有多张人脸时检测精度不高

视频中的人脸检测

视频是由一张一张的图片组成的，在视频的帧上重复这个过程就能完成视频中的人脸检测