Python OpenCV12：OpenCV 人脸检测_facerects = cap.detectmultiscale( gray, scalefacto

首先，我们需要大量的正样本图像（人脸图像）和负样本图像（没有人脸的图像）来训练分类器。 我们需要从中提取特征。 下图中会用到Haar特征，就像我们的卷积核一样，每个特征都是一个值，等于黑色矩形中的像素值减去白色矩形中的像素值之和。

Haar 特征值反映了图像的灰度变化。 例如，人脸的某些特征可以简单地用矩形特征来描述。 眼睛比脸颊更黑，鼻子两侧比鼻梁更黑，嘴巴比周围更黑。 Haar特征可以用在图像的任意位置，大小也可以任意改变，所以矩形特征值是矩形模板类型、矩形位置和矩形大小三个因素的函数。 因此，类别、大小和位置的变化使得一个小的检测窗口包含很多矩形特征。

得到图像的特征后，训练一个由决策树构建的AdaBoost级联决策器识别人脸。 

OpenCV为我们提供了一些检测物体的文件，如人脸、眼睛、猫脸等。

检测过程如下：

1. 读取图片并将其转换为灰度图像。

2. 为人脸检测实例化分类器对象。

3. 执行人脸检测。

# 实例化级联分类器 

classifier =cv.CascadeClassifier( "haarcascade_frontalface_default.xml" )  

# 加载分类器 

classifier.load('haarcascade_frontalface_default.xml')

# 执行检测

rect = classifier.detectMultiScale(gray, scaleFactor, minNeighbors, minSize,maxSize)

参数：

gray：待检测图像。

scaleFactor：前后两次扫描中搜索窗口的比例因子。

minNeighbors: 目标只有在至少被检测到 minNeighbors 次时才会被认为是目标。

minSize 和 maxSize：目标的最小尺寸和最大尺寸。

最后显示输出图像即可。

例1：在图像中识别人脸。

import cv2 as cv
import matplotlib.pyplot as plt
 
# 1.以灰度图的形式读取图片
img = cv.imread("mht.jpg")
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
 
# 2.实例化OpenCV人脸识别的分类器
root_path = 'D:\\anaconda3\\Lib\\site-packages\\cv2\\data\\'
face_cas = cv.CascadeClassifier(root_path + "haarcascade_frontalface_default.xml")
face_cas.load(root_path + 'haarcascade_frontalface_default.xml')
 
# 3.调用识别人脸
faceRects = face_cas.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
for faceRect in faceRects:
    x, y, w, h = faceRect
    # 框出人脸
    cv.rectangle(img, (x, y), (x + h, y + w), (0, 255, 0), 3)
 
# 5. 检测结果的绘制
plt.figure(figsize=(8, 6), dpi=100)
plt.imshow(img[:, :, ::-1])
plt.xticks([]), plt.yticks([])
plt.show()

输出：

例2：在视频中识别人脸。

import cv2 as cv
import matplotlib.pyplot as plt
 
# 1.读取视频
cap = cv.VideoCapture("image/KartRider.mp4")
# 2.在每一帧数据中进行人脸识别
root_path = 'D:\\anaconda3\\Lib\\site-packages\\cv2\\data\\'
while cap.isOpened():
    ret, frame = cap.read()
    if ret:
        gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
        # 3.实例化OpenCV人脸识别的分类器
        face_cas = cv.CascadeClassifier(root_path + "haarcascade_frontalface_default.xml")
        face_cas.load(root_path + 'haarcascade_frontalface_default.xml')
        # 4.调用识别人脸
        faceRects = face_cas.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
        for faceRect in faceRects:
            x, y, w, h = faceRect
            # 框出人脸
            cv.rectangle(frame, (x, y), (x + h, y + w), (0, 255, 0), 3)
        cv.imshow("frame", frame)
        if cv.waitKey(1) & 0xFF == ord('q'):
            break
# 5. 释放资源
cap.release()
cv.destroyAllWindows()