使用OpenCV進行人臉識別時，使用

   casecade.detectMultiScale

程式碼段：

	
const int numReserve = 4;
std::vector<  int > rejLevel;
std::vector<double>   levelW;
cascade.detectMultiScale( smallImg, eyes, rejLevel, levelW, 1.1, 3, 0, cv::Size(), cv::Size(), true);
cout << "eyes size=:" << eyes.size() << endl;
            
// 重新排序
std::vector<std::pair<float, int> > eyeConfi;
for (int i = 0; i < (int)(eyes.size()); i++){
     eyeConfi.push_back(std::make_pair(levelW[i], i));
}
std::qsort(&eyeConfi[0], eyeConfi.size(), sizeof(eyeConfi[0]), cmpMapWishchin);

//重新獲取，只取前四個
for (int i = 0; i < (int)(eyes.size()) && i<numReserve ; i++)
{
       cv::Rect eyeSin = eyes[eyeConfi[i].second];
       eyesFinal.push_back(eyeSin) ;
}

 

    CV_WRAP virtual void detectMultiScale( const Mat& image,
                                   CV_OUT vector<Rect>& objects,
                                   vector<int>& rejectLevels,
                                   vector<double>& levelWeights,
                                   double scaleFactor=1.1,
                                   int minNeighbors=3, int flags=0,
                                   Size minSize=Size(),
                                   Size maxSize=Size(),
                                   bool outputRejectLevels=false );
 

cmp函式：

         int cmpMapWishchin(const void *p1, const void *p2)
         {
            int v = 1;
            std::pair<float, int >  *pp1, *pp2;
            pp1 = (std::pair<float, int > *) p1;
            pp2 = (std::pair<float, int > *) p2;

            //最大值排序
            if (pp1->first - pp2->first < 0){
                v = 1;
            }
            else{
                v = -1;
            }

            return (v);
         }
 

首先一個level一個level地測試樣本，然後每一個level給一個對應的得分，也就是levelWeight，如果這個weight低於或者高於對應level的threshold，則被拋棄。

堅持到最後一個level並且在最後一個level仍然滿足threshold的框就是正確的臉（正樣本）。

所以，人臉的分應該是這樣：level越大，分數越高，在相同的level，levelWeight越大分數越高。

但是實際上真正的人臉都是能堅持到level20（最後一個level）的，所以只比對最後一個level的所有大於1的框的levelWeight進行比對就可以知道臉的得分啦~

試驗結果：