openCV+Python 数字图像处理（18）——人脸检测

1.基本概念

分类器： 判别某个事物是否属于某种分类，是/否
级联分类器（CascadeClassifier）： 可以理解为将N个单类的分类器串联起来。如果一个事物能属于这一系列串联起来的所有分类器，则最终结果就是 是，若有一项不符，则判定为否。
在人脸检测中，CascadeClassifier 是一个类，该类的作用是（基于官方已经训练好的数据文件 .xml）实例化一个检测器。
Haar: 以Haar特征分类器为基础的对象检测技术是一种非常有效的对象检测技术。它是基于机器学习的，使用大量的正负样本训练得到分类器。

2.API 介绍

face_detector = cv2.CascadeClassifier('E:/PycharmProjects/data/haarcascades/haarcascade_frontalface_default.xml')
eye_detector = cv2.CascadeClassifier('E:/PycharmProjects/data/haarcascades/haarcascade_eye.xml')

detectMultiScale方法：

faces = face_detector.detectMultiScale(self, image: Any, scaleFactor: Any = None, minNeighbors: Any = None, flags: Any = None, minSize: Any = None, maxSize: Any = None)

image: 灰度图
scaleFactor: 指定在每个图像比例下图像大小减少的尺度参数，默认为1.1
minNeighbors: 指定每个候选矩形应保留多少个 “ 邻居 ”，默认3，必须是 int 类型参数
minSize: 最小的对象大小，小于该值的对象将被忽略
maxSize: 最大的对象大小，大于该值的对象将被忽略
返回值： 包含有检测到对象的矢量矩形，矩形区域可以在原始图像之外。

3.代码示例

import cv2

src = cv2.imread('E:/PycharmProjects/29.jpg')

cv2.imshow('img', src)
cv2.waitKey(0)
cv2.destroyWindow('img')

def detect_demo(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    face_detector = cv2.CascadeClassifier('E:/PycharmProjects/data/haarcascades/haarcascade_frontalface_default.xml')
    faces = face_detector.detectMultiScale(gray, 1.5, 5)
    for x, y, h, w in faces:
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)

    eye_detector = cv2.CascadeClassifier('E:/PycharmProjects/data/haarcascades/haarcascade_eye.xml')
    eyes = eye_detector.detectMultiScale(gray, 2, 5)
    for ex, ey, eh, ew in eyes:
        cv2.rectangle(img, (ex, ey), (ex+ew, ey+eh), (0, 255, 255), 3)
    cv2.imshow('detect_result', img)
    
# 检测图片中的人脸和眼睛
detect_demo(src)
cv2.waitKey(0)

#调用摄像头，检测视频中的人脸和眼睛
capture = cv2.VideoCapture(0)
while True:
    ret, frame = capture.read()
    frame = cv2.flip(frame, 1)
    detect_demo(frame)
    k = cv2.waitKey(10)
    if k == 27: #ESC
        break
capture.release()
cv2.destroyAllWindows()

4.结果展示