基于cv2模块的人脸识别

通过python中的cv2模块进行人脸识别，需要对cv2模块有一定的认识。

imread()方法：ret,image=cv2.imread(filename,[,flags])，其中filename是图像文件的路径及名称（图像文件的路径为绝对路径），flags是图像处理的标志位（通知程序以何种方式加载图片），通常flags选取默认值。imread()方法读取出的图片格式为BGR格式，并不是通常的RGB格式。imread()方法的两个返回值，ret为布尔类型，表示是否正确打开图片；image为图片的三维矩阵。

imshow()方法：imshow()方法用来进行图像显示，方法中包含两个参数，参数一为图像显示窗体的名称，参数二为图像内容矩阵。

cvtColor()方法：cvtColor(p1,p2)方法用来改变色彩空间，参数p1是需要转换的图片，参数p2是转换成的格式。对于BGR—>灰色转换，我们使用标志cv2.COLOR_BGR2GRAY;同样，对于BGR —>HSV，我们使用标志cv2.COLOR_BGR2HSV。

rectangle()方法：cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,0),2),image是输入的图像；(x,y)是矩阵的坐上点坐标；(x+w,y+h)是矩阵的右下点坐标；color:(0,255,0)是画线对应的颜色，由于imread()方法读取出的图像为BGR格式，所以(0,255,0)对应的颜色为绿色；2是画线对应的宽度。

OpenCV中人脸识别分类器：cv2.CascadeClassfier(“haarcascade_frontalface_default.xml”)。

识别人脸的步骤：（1）加载分类器（分类器事先放在工程目录里）haarcascade_frontalface_default.xml；（2）调用detectMultiScale()函数进行检测，调整参数可以使检测结果更加准确；（3）把检测到的人脸用矩形框出来。

cv2.CascadeClassfier.detectMultiScale(image,scaleFactor,minNeighbors,minSize,maxSize)—>objects
image：需要检测的图像
scaleFactor：每次图像尺寸减小的比例
minNeighbors：每一个目标至少被检测到3次才算检测到目标
minSize：目标的最小尺寸
maxSize：目标的最大尺寸

粗略地介绍cv2模块中部分方法的使用之后，接下来我们通过代码进行演示。

import cv2

filepath = "frame0.jpg"
image = cv2.imread(filepath)

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
classfier = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
faceRect = classfier.detectMultiScale(gray, scaleFactor=1.6, minNeighbors=3,minSize=(50,50))
if len(faceRect):
    for face in faceRect:
        x, y, w, h = face
        cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.imshow("frame0", image)
c = cv2.waitKey(10)

cv2.waitKey(0)
cv2.destroyAllWindows()

通过以上代码，简单地实现了人脸识别。