OpenCV-Python（2）人脸识别（面部眼睛笑脸）

学习参考素材：
OpenCV人脸检测-Haar级联和LBP
子豪兄opencv-python教程

问题解决：
cv2.CascadeClassifier(’------.xml’）报错
error: (-215:Assertion failed) !empty() in function ‘cv::CascadeClassifier::detectMultiScale’
确定cascade文件路径是否在相应的目录下
解决方案：
改成cv2.CascadeClassifier(cv2.data.haarcascades+’ ')

人脸检测-Haar级联
OpenCV 中的 Haar 级联检测器支持人脸检测、微笑、眼睛与嘴巴检测等，通过加载这些预先训练的 Haar 模型数据可以实现相关的对象检测。

Haar 小波基函数，因为其满足对称性，因此对人脸这种生物对称性良好的对象特别适合用来做检测。 常见的Haar特征分为三类：边缘特征；线性特征；中心特征和对角线特征。

Haar特征值反映了图像的对比度与梯度变化。不同特征可以进行多种组合，生成更加复杂的级联特征

人脸检测-LBP算法
LBP算法的基本原理是，将像素点A的值与其最邻近的8个像素点的值逐一比较，假设中心像素值大于相邻像素值则则相邻像素点赋值为1，否则赋值为0

使用的圆形LBP算子，由于使用圆形来作为窗口，部分领域可能不会取实际像素点而是虚拟像素值（使用双线性插值算法计算灰度值）

比较
优势： OpenCV中使用LBP特征数据检测人脸比使用Haaris数据要快，原因在于LBP特征不会产生小数数据，避免了浮点数计算开销。

LBP的函数调用和HAAR级联一样，只是加载的xml不同
加载LBP算法: detector=cv2.CascadeClassifier(cv2.data.lbpcascade+“lbpcascade_frontalface_improved.xml”)

import cv2
# 导入人脸/人眼级联分类器引擎，'.xml'文件里包含训练出来的人脸特征，cv2.data.haarcascades即为存放所有级联分类器模型文件的目录
face_cascade = cv2