multi-layer perceptrons, MLP）模型，CvANN_MLP。

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/ml/ml.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main()
{
CvANN_MLP bp; //bp网络
CvANN_MLP_TrainParams params; //bp网络参数
params.train_method = CvANN_MLP_TrainParams::BACKPROP;//使用简单的BP算法，还可使用RPROP
params.bp_dw_scale = 0.1;
params.bp_moment_scale = 0.1;

float labels[4][2] = { { 0,0 },{ 0,0 },{ 1,1 },{ 1,1 } }; //训练标签数据，前两个表示男生，后两个表示女生
Mat labelsMat(4, 2, CV_32FC1, labels);

float trainingData[4][2] = { {186,80},{185,81},{160,50},{161,48} }; //训练数据，两个维度，表示身高和体重
Mat trainingDataMat(4, 2, CV_32FC1, trainingData);

Mat layerSizes = (Mat_<int>(1, 4) << 2, 2, 2, 2);//含有两个隐含层的网络结构，输入、输出层各两个节点，每个隐含层含两个节点
bp.create(layerSizes, CvANN_MLP::SIGMOID_SYM);//激活函数为SIGMOID函数，还可使用高斯函数(CvANN_MLP::GAUSSIAN)，阶跃函数(CvANN_MLP::IDENTITY)
bp.train(trainingDataMat, labelsMat, Mat(), Mat(), params);

//bp.save("bp.xml");//存储模型
//bp.load("bp.xml");//读取模型

Mat sampleMat = (Mat_<float>(1, 2) << 184, 79); //测试数据，为一男生
Mat responseMat;
bp.predict(sampleMat, responseMat);
Point maxLoc;
minMaxLoc(responseMat, NULL, NULL, NULL, &maxLoc); //response为1行（1个测试数据），2列（共两种类别），每列表示该数据与该类相似的可能性，这里取最大的一类
if (maxLoc.x == 0)
cout << "Boy" << endl;
if (maxLoc.x == 1)
cout << "Girl" << endl;
return 0;
}

参考：

【模式识别】OpenCV中使用神经网络

opencv中使用bp神经网络

【opencv】神经网络CvANN_MLP分类