本文参考博客 https://www.jianshu.com/p/7938864e9875
效果：
首先需要导入插件 OpenCV for Unity 2.2.6.unitypackage，本人用的2.2.6版本，
插件链接：https://pan.baidu.com/s/1AocvVjlGqnLeD9ezk8idBw 提取码：9dfy
本插件仅供学习交流使用，禁止商用
我们新建一个场景，取名FaceDetect,将窗口大小设为640x480（窗口大小根据需求自定义）
将Main Camera的Projection设为Orthographic
新建一个Canvas，将Canvas的Render Mode 设为 Screen Space - Camera
新建一个Quad 操作： 在 Hierarchy面板 空白处右键--> 3D Object--> Quad
将Quad设为Canvas 的子物体，并将Quad的Scale设为640,480,1
如下图所示
此时为Quad添加WebcamTextureToMacExample脚本，操作：选中Quad--> Add Component--> WebcamTextureToMacExample
'
其中Requested Device Name为摄像机名，不需要填写
Requested Width和Requested Height为获取画面的宽和高，默认即可
此时我们启动程序，已经可以获取到摄像头画面了
接下来是实现人脸识别：
此时我们新建一个C#脚本 取名：FaceDetect
将FaceDetect.cs同样添加到Quad物体上
打开FaceDetect.cs 添加引用：
using OpenCVForUnity; using OpenCVForUnityExample;
上文添加的WebcamTextureToMacExample脚本就是OpenCvForUnity插件自带的获取摄像头画面的辅助类
既然是识别摄像头画面，首先我们需要获取到摄像头的画面，
打开WebcamTextureToMacExample.cs
将51行的rgbaMat变量改为公有变量，即添加Public修饰
既然需要识别人脸，我们需要人脸识别训练数据
通用人脸识别数据可从GitHub上下载，
链接：https://github.com/opencv/opencv
本文也提供了网盘链接：
链接：https://pan.baidu.com/s/1XiR811tPhPwBfSoS-ynw2w 提取码：wqaf
下载完后在路径data\haarcascades\下找到haarcascade_frontalface_alt2.xml文件
此包内有很多其他的训练数据，可根据自身需求尝试一下其他的文件
本工程已经导入了几个相关的训练数据可供使用
新建一个StreamingAssets文件夹
将haarcascade_frontalface_alt2.xml文件复制到该文件夹下
haarcascade_frontalface_alt2.xml即为通用的人脸识别训练数据文件
回到FaceDetect.cs脚本
using System.Collections; using System.Collections.Generic; using UnityEngine; using OpenCVForUnity; using OpenCVForUnityExample; public class FaceDetect : MonoBehaviour { WebCamTextureToMatExample webcamTexToMat = new WebCamTextureToMatExample(); //获取摄像头画面的辅助类 string faceXml_path; //人脸识别训练数据文件xml的路径 Mat gray; //灰度图，方便识别 MatOfRect faceRect; //识别到的人脸的区域 CascadeClassifier classifier; //人脸识别分类器 // Start is called before the first frame update void Start() { webcamTexToMat = transform.GetComponent<WebCamTextureToMatExample>(); //获取WebCamTextureToMatExample faceXml_path = Application.streamingAssetsPath + "/haarcascade_frontalface_alt2.xml"; //读取人脸识别训练数据xml gray = new Mat(); //初始化Mat faceRect = new MatOfRect(); //初始化识别到的人脸的区域 classifier = new CascadeClassifier(faceXml_path); //初始化人脸识别分类器 } public void DetectFace() { //webcamTexToMat.rgbaMat为摄像头画面，Mat类型，Imgproc.COLOR_RGBA2GRAY为将RGBA画面转化为灰度图 Imgproc.cvtColor(webcamTexToMat.rgbaMat, gray, Imgproc.COLOR_RGBA2GRAY); //将获取到的摄像头画面转化为灰度图并赋值给gray classifier.detectMultiScale(gray, faceRect, 1.1d, 2, 2, new Size(20, 20), new Size()); //检测gray中的人脸 OpenCVForUnity.Rect[] rects = faceRect.toArray(); for (int i = 0; i < rects.Length; i++) { Imgproc.rectangle(webcamTexToMat.rgbaMat, new Point(rects[i].x, rects[i].y), new Point(rects[i].x + rects[i].width, rects[i].y + rects[i].height), new Scalar(0, 255, 0, 255), 2); //在原本的画面中画框，框出人脸额位置,其中rects[i].x和rects[i].y为框的左上角的顶点，rects[i].width、rects[i].height即为框的宽和高 } } }
各个属性方法的作用看注释
其中classifier.detectMultiScale(gray, faceRect, 1.1d, 2, 2, new Size(20, 20), new Size());各个参数说明：
去官网看了一下说明，结合其他人的博客，
gray为输入的灰度图
faceRect为被检测到的物体的矩形向量组，保存有x,y,w,h四个参数，，比如我们检测到人脸，首先我们需要知道这个人脸的位置，其次，我们需要知道这个人脸的大小，那么（x,y）就是被检测到的人脸的左上角的坐标，而w,h分别代表宽度和高度
scaleFactor默认为1.1，scaleFactor的值必须大于1，这个参数的作用，好像与识别速度和精度有关，相当于一个阈值，当值越大，识别速度就越快，越容易识别出对象，但精度就会下降，可能会误识别成其他的对象，当值越小，识别速度就越慢，相应的精度就会提高，不容易出现将其他物体识别成我们需要的物体，但是容易造成一个都识别不到的情况。
第一个2为minNeighbors,看别人的博客说是指每个人脸起码被检测到两次才认为被检测到
第二个2为flags，新版的不需要，老版好像和性能优化有关，不知道理解的对不对
第一个new Size（20,20）为检测目标的最小尺寸minSzie，低于这个尺寸的对象不检测
第二个new Size（）为目标的最大尺寸maxSize，高于这个尺寸的对象不检测
官网解释：https://docs.opencv.org/master/d1/de5/classcv_1_1CascadeClassifier.html
此时再回到WebcamTextureToMacExample.cs
找到228行的Update方法，将Imgproc.putText（）注释掉，并添加代码
transform.GetComponent<FaceDetect>().DetectFace();如下图所示：
保存后
大功告成
工程文件500M，这么大，主要是OpenCvForUnity插件解压后有1个G...
压缩后500M
工程链接：
链接：https://pan.baidu.com/s/1RbNq24s6oAOJOxOCP_L-lg 提取码：x43l
