废话内容，写在前面:
2016年上半年在上海面试的时候。徐汇区有一家做社交的互联网公司开始打算做人脸识别，由此我了解了深圳脸萌科技的FaceU这款超级激萌的App。很有意思的是徐汇区那家社交公司面试我的时候跟我说的很明确：你做一个类似FaceU的demo给我，我就给你发Offer。有时候我在想一份工作好简单啊，只要你会做人脸识别添加贴纸贴片，一碗饭就来了。
回去之后，我对比了iOS框架自带的人脸识别框架识别的精度不够高，侧脸极其难识别，我只好放弃转而奔向科大讯飞人脸识别的框架去做。
那一个礼拜的时间里，我看科大讯飞的人脸识别SDK和官方Demo，在做识别的过程中想加贴片装饰品的时候，遇到了二个代理方法的冲突，导致某个识别状态始终无法修改。所以那次的demo最终是没有做出来。
时隔快一年，我想人脸识别功能我该动一动了，恰好个人技术博客刚开张，也应该来一点技术干货。同时不一样的是，这次我也不打算用科大讯飞的框架，我想从OpenCV的开源库着手，多多少少还可以学点C++的函数也还不错。
由此我想把研究人脸识别的过程记录下来。所以这个系列是一个不懂C++的iOS开发小白的学习过程。
本系列文章，所有测试内容以及demo的环境如下：
1）Xcode Version 8.2.1
2）OpenCV for iOS 3.2.0
准备工作：
1）先去OpenCV官网下载最新的OpenCV For iOS的视觉库。
2）Xcode创建一个新的项目，把下载的OpenCV库导入工程，并在工程的Building phase里面添加 opencv2.framework。
如果对OpenCV有所了解的会知道，OpenCV的代码是基于C++编写的。因此，想要在Xcode项目中运行C++代码，你需要把文件名后缀名由.m改成.mm即可（当然最好把OpenCV的功能函数写一层OC的API封装，这样可能会比较安全，也会少很多不必要的错误麻烦，也更符合开发需求。）。
注意：OpenCV 声明了命名空间 cv，因此 OpenCV 的类的前面会有个 cv:: 前缀，就像 cv::Mat、 cv::Algorithm 等等。你也可以在 .mm 文件中使用 using namespace cv 来避免在一堆类名前使用 cv:: 前缀。
但是，在某些类名前你必须使用命名空间前缀，比如 cv::Rect 和 cv::Point，因为它们会跟定义在 MacTypes.h 中的 Rect 和 Point 相冲突。尽管这只是个人偏好问题，个人偏向在任何地方都使用 cv:: 以保持一致性。
C++ 命名空间namespace的作用和使用:
命名空间是ANSIC++引入的可以由用户命名的作用域，用来处理程序中 常见的同名冲突。其作用就是规定该文件中使用的标准库函数都是在标准命名空间std中定义的。通常来说，在C++中，命名空间（namespace）的目的是为了防止名字冲突。每个命名空间是一个作用域，在所有命名空间之外，还存在一个全局命名空间（global namespace），全局命名空间以隐式的方式声明，它并没有名字。在命名空间机制中，原来的全局变量，就是位于全局命名空间中（可以用::member的形式表示）。
在C语言中定义了3个层次的作用域，即文件(编译单元)、函数和复合语句。C++在C的基础上又引入了类作用域，类是出现在文件内的。在不同的作用域中可以定义相同名字的变量，互不于扰，系统能够区别它们。
在导入 opencv2.framework 之后，把你需要加入OpenCV代码的文件的.m文件后缀由.m改成.mm
引入头文件
#import < opencv2/opencv.hpp>
#import <opencv2/imgproc/types_c.h>
#import <opencv2/imgcodecs/ios.h>
编译运行。
PS:我编译的时候，有二个报错。经过查阅资料做了具体的修改调整之后可以正常运行，分别是OpenCV库的
blenders.hpp 文件
enum { NO, FEATHER, MULTI_BAND };
修改成：
enum { NO_EXPOSURE_COMPENSATOR, FEATHER, MULTI_BAND };
和 exposure_compensate.hpp 文件
enum { NO, GAIN, GAIN_BLOCKS };
修改成：
enum { NO_EXPOSURE_COMPENSATOR, GAIN, GAIN_BLOCKS };
先来试试OpenCV的入门内容，把一张彩色图片变成灰色的
在控制器的.mm文件中引入Mat类
@interface ViewController ()
{
cv::Mat cvImage;
}
@end
关于Mat类:
详见另一篇Blog：OpenCV之Mat(一)
图像处理的代码块如下：
if(!cvImage.empty()){
cv::Mat gray;
// 将图像转换为灰度显示
cv::cvtColor(cvImage,gray,CV_RGB2GRAY);
// 应用高斯滤波器去除小的边缘
cv::GaussianBlur(gray, gray, cv::Size(5,5), 1.2,1.2);
// 计算与画布边缘
cv::Mat edges;
cv::Canny(gray, edges, 0, 50);
// 使用白色填充
cvImage.setTo(cv::Scalar::all(225));
// 修改边缘颜色
cvImage.setTo(cv::Scalar(0,128,255,255),edges);
// 将Mat转换为Xcode的UIImageView显示
self.testImgView1.image = MatToUIImage(cvImage);
}
如果你和我一样运行Xcode之后能得到下图的处理后的照片内容的话，图像的灰度显示算是完成了。
也就是说OpenCV的第一个代码块已经完成了。
如果还有兴趣的话，可以接着玩玩—–人脸识别
现在在你的.mm控制器里引入CascadeClassifier类
@interface ViewController ()
{
cv::CascadeClassifier faceDetector;
}
@end
关于CascadeClassifier类的调研:
详见另一篇Blog：OpenCV之CascadeClassifier(一)
人脸识别核心代码如下:
NSString *cascadePath = [[NSBundle mainBundle]
pathForResource:@"haarcascade_frontalface_alt"
ofType:@"xml"];
faceDetector.load([cascadePath UTF8String]);
cv::Mat faceImage;
UIImageToMat(image, faceImage);
// 转为灰度
cv::Mat gray;
cvtColor(faceImage, gray, CV_BGR2GRAY);
// 检测人脸并储存
std::vector<cv::Rect>faces;
faceDetector.detectMultiScale(gray, faces,1.1,2,0|CV_HAAR_SCALE_IMAGE,cv::Size(30,30));
// 在每个人脸上画一个红色四方形
for(unsigned int i= 0;i < faces.size();i++)
{
const cv::Rect& face = faces[i];
cv::Point tl(face.x,face.y);
cv::Point br = tl + cv::Point(face.width,face.height);
// 四方形的画法
cv::Scalar magenta = cv::Scalar(255, 0, 255);
cv::rectangle(faceImage, tl, br, magenta, 4, 8, 0);
}
self.testImgView2.image = MatToUIImage(faceImage);
补充:haarcascade_frontalface_alt.xml该文件是专门用来训练cv::CascadeClassifier函数的资源文件
为什么一定要添加xml文件呢？
其实这个xml文件就是对人脸识别的初始化（初始化数据by Paul Viola and later extended by Rainer Lienhart），现在已经成为一种人脸识别的标准了。
为了能够把xml文件成功倒入，我们需要把NSString object 转化为 std::string（使用UTF8String）
经过以上的准备工作后我们就可以使用方法detectMultiScale进行人脸检测了。
方法detectMultiScale有四个参数。分别为：
scaleFactor ：制定循环递减的图片尺寸
minNeighbors ：制定保留数据的矩形大小
CV_HAAR_SCALE_IMAGE ：这是一个标志，它指定算法缩放图像，而不是检测器。它有助于实现最佳的性能
minSize ：该参数指定最小可能的面部尺寸
如果可以得到下图(imageView重新布局了)，第三张图片里的每个人脸上都有正方形的框，表示已经找到了人脸位置。
到此时，静态图片的人脸识别算是初步完成。
