提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

一、概述

`本文为我学习python环境下用opencv检测人脸的内容总结。

二、相关概念

##opencv中提供了三种训练好的级联分类器（通过不同特征进一步筛选，最终得出所属的分类）。在相应的haarcascades、hogcascades、lbpcascades文件夹中分别存放着HAAR、HOG、LBP级联分类器，他们以.xml的文件形式存放在opencv的源文件中。

不同的.xml文件可检测不同的类型，如：眼睛、眼镜、正面人脸、鼻子等。

三、实际操作

1.图片检测

代码如下（示例）：

import cv2 as cv
def fac_detect_demo():#人脸检测函数
    gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)#图片变为灰度图，人脸特征需在灰度图中查找
    face_detector=cv.CascadeClassifier('E:/opencv/data/haarcascades/haarcascade_frontalface_default.xml')
    #通过级联检测器cv.CascadeClassifier，加载特征数据
    faces= face_detector.detectMultiScale(gray)
    #在尺度空间对图片进行人脸检测
    for x,y,w,h in faces:#绘制矩形，
        cv.rectangle(img,(x,y),(x+w,y+h),color=(23,255,255),thickness=3)#矩形第一个顶点，对角线上另一个顶点，颜色，宽度
    #cv.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(23,255,255),thickness=3)圆形绘制
img = cv.imread('filename')
fac_detect_demo()
cv.imshow('detect',img)
cv.waitKey(0)
cv.destroyAllWindows

2.打开摄像头进行人脸检测

代码如下（示例）：

import numpy as np
def face_detect_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    face_detector = cv.CascadeClassifier('E:/opencv/data/haarcascades/haarcascade_frontalface_alt_tree.xml')
    faces = face_detector.detectMultiScale(gray, 1.02, 5)
    for x, y, w, h in faces:
        cv.rectangle(image, (x, y), (x+w, y+h), (0, 255, 255), 2)
    cv.imshow("result", image)
capture = cv.VideoCapture(0)
cv.namedWindow("result", cv.WINDOW_AUTOSIZE)
while (True):
    #按帧读取视频，ret,frame是获cap.read()方法的两个返回值。其中ret是布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾，它的返回值就为False。frame就是每一帧的图像，是个三维矩阵。
    ret, frame = capture.read()
    # cv.flip函数表示图像翻转，沿y轴翻转, 0: 沿x轴翻转, <0: x、y轴同时翻转
    frame = cv.flip(frame, 1)
    face_detect_demo(frame)
    c = cv.waitKey(10)
    if c == 27:#当键盘按下‘ESC’退出程序
        break
cv.waitKey(0)
cv.destroyAllWindows()