人脸识别的实现

#!/usr/bin/python 
# -*- coding: UTF-8 -*- 
import sys
import cv2
import numpy as np
cv2.namedWindow("test")#命名一个窗口
#cap=cv2.VideoCapture(1)#打开1号摄像头
#success, frame = cap.read()#读取一桢图像，前一个返回值是是否成功，后一个返回值是图像本身
frame=cv2.imread('/home/yuan/face/lena.jpg')#这是自己定义的所要检测的图片的路径
success=True
color = (0,0,0)#设置人脸框的颜色
#classfier=cv2.CascadeClassifier("/home/yuan/opencv-3.2.0/data/haarcascades/haarcascade_frontalface_alt.xml")#定义分类器

classfier=cv2.CascadeClassifier("/home/yuan/opencv-3.2.0/data/haarcascades/haarcascade_eye.xml")#上述注释的分类器是检测人脸的，下面这个分类器是用来检测

#人的眼睛的，这个两个分类器在自带的opencv-3.2.0里面，可以直接调用，所带的分类器如下图所示：

while success:
    #success, frame = cap.read()
    frame=cv2.imread('/home/yuan/face/lena.jpg')
#success=True
    size=frame.shape[:2]#获得当前桢彩色图像的大小
    image=np.zeros(size,dtype=np.float16)#定义一个与当前桢图像大小相同的的灰度图像矩阵
    image = cv2.cvtColor(frame, cv2.cv.CV_BGR2GRAY)#将当前桢图像转换成灰度图像
    cv2.equalizeHist(image, image)#灰度图像进行直方图等距化
    #如下三行是设定最小图像的大小
    divisor=8
    h, w = size
    minSize=(w/divisor, h/divisor)
    faceRects = classfier.detectMultiScale(image, 1.2, 2, cv2.CASCADE_SCALE_IMAGE,minSize)#人脸检测
    if len(faceRects)>0:#如果人脸数组长度大于0
        for faceRect in faceRects: #对每一个人脸画矩形框
                x, y, w, h = faceRect
                cv2.rectangle(frame, (x, y), (x+w, y+h), color)
    cv2.imshow("test", frame)#显示图像
    key=cv2.waitKey(10)
    c = chr(key & 255)
    if c in ['q', 'Q', chr(27)]:
        break

cv2.destroyWindow("test")