一、实验原理：

Opencv库是一个基于BSD许可发行的跨平台开源计算机视觉库，基于opencv库，可以很方便的入手机器视觉方面的应用，ros已经集成了opencv库和相关接口功能包；
人脸识别的目的是在输入图像中确定人脸的位置、大小、姿态。利用大量样本的Haar特征进行分类器训练，然后调用训练好的瀑布型级联分类器cascade进行模式匹配。进而获取二维包围框。

二、实验步骤：

<1> 安装opencv 以及串口功能包

$ sudo apt-get install ros-kinetic-vision-opencv libopencv-dev python-opencv

接口功能包的作用就是将ROS中的图像数据转换成opencv格式的图像，并且调用opencv库进行各种图像处理。

<2> 测试opencv串口是否安装成功

（使用usb摄像头示例，作业：使用orbbec实现同样功能）
打开USB摄像头：

$ roslaunch robot_vision usb_cam.launch    （usb摄像头）

启动rqt

$ rosrun rqt_image_view rqt_image_view

此时选择image_raw

然后使用test查看效果：

$ rosrun robot_vision cv_bridge_test.py

使用usb摄像头时候test.py中的数据：

如果用orbbec时候需要改动此处为：/amera/rgb/image_raw

该命令启动另一个视频窗口，如下所示：

此窗口显示一个红色圆点，是通过opencv转化之后，画上去的小红点。
<3> 调用usb摄像头驱动

$ roslaunch robot_vision usb_cam.launch    （usb摄像头）
$ roslaunch astra_launch astra.launch    （orbbec摄像头）

<4> 启动人脸功能

$ roslaunch robot_vision face_detector.launch 

<5> 启动rqt显示功能

$ rosrun rqt_image_view rqt_image_view

三、程序分析：

face_detector.launch文件里面主要程序是face_detector.py源程序，程序主要内容如下所示
初始化

#创建cv_bridge
#获取haar特征的级联表xml文件，文件路径在launch文件中传入
#使用级联表初始化haar特征检测器
#设置级联表参数，优化人脸识别，
#初始化订阅rgb格式图像数据订阅者
ROS 回调函数
#将ROS中的图像数据转换成opencv格式的图像
#创建灰度图像
#创建平衡直方图
#尝试检测人脸
#在opencv窗口框出人脸
#发布识别后的图像
人脸识别
#首先匹配正面人脸模型
#如果正面人脸模型匹配失败，尝试侧面人脸匹配