Cascade級聯分類器是一種快速簡單的分類方法，opencv2和opencv3中提供了完整的cascade分類器的訓練和檢測方法，本篇主要介紹下級聯分類器的檢測方法。

opencv中用於級聯分類的類是cv::CascadeClassifier，下面以人臉識別為例，簡單介紹下這個類的使用方法。

程式碼如下：

	//定義級聯分類器
	cv::CascadeClassifier face_detector;
	//加在分類器
	face_detector.load("haarcascade_frontalface_default.xml");
	//判斷分類器是否載入成功
	if (face_detector.empty())
	{
		std::cerr << "load detector failed!!!" << std::endl;
		return;
	}

	//獲取訓練集的原始尺寸，作為分類器的最小尺寸，這樣能得到最佳的檢測效果（不是必須的）
	cv::Size original_size = face_detector.getOriginalWindowSize();

	cv::Mat image = cv::imread("image.png", cv::IMREAD_COLOR);

	cv::Mat image_gray;
	cv::cvtColor(image, image_gray, cv::COLOR_BGR2GRAY);
	
	//用於儲存檢測到的目標視窗
	std::vector<cv::Rect> faces;
	//進行多尺度人臉檢測
	face_detector.detectMultiScale(image_gray, faces, 1.1, 3, 0 | cv::CASCADE_SCALE_IMAGE, original_size);

	//將檢測到的目標視窗逐個繪製到原圖上
	for (size_t i = 0; i < faces.size(); i++)
	{
		cv::rectangle(image, faces[i], cv::Scalar(0, 0, 255), 2, 8, 0);
	}

	cv::imshow("detect result", image);
	cv::waitKey(0);
 

opencv3安裝目錄下有個etc資料夾，這個資料夾下有兩個資料夾，分別儲存了基於haar特徵和lbp特徵訓練得到的多種目標檢測的分類器的xml檔案，其中就有人臉檢測的分類器，可以拿過來直接用。當然我們也可以使用訓練集，訓練自己的分類器。這裡我們就選擇一個基於haar特徵的人臉分類器來進行測試和說明。

cv::CascadeClassifier通過load()成員函式讀取分類器，然後就可以使用detectMultiScale()成員函式進行多尺度的級聯分類檢測。detectMultiScale()的呼叫方法如下：

	cv::CascadeClassifier::detectMultiScale(
		const cv::Mat& image, // 輸入待檢測的影象（灰度）
		vector<cv::Rect>& objects, // 輸出的目標視窗
		double scaleFactor = 1.1, // 尺度係數
		int minNeighbors = 3, // 需要的鄰域數
		int flags = 0, // flag (舊風格的cascades)
		cv::Size minSize = cv::Size(), // 最小檢測視窗
		cv::Size maxSize = cv::Size() // 最大檢測視窗
	);
 

檢測結果：

2017.04.12