python+OpenCV多人脸检测+代码解释

与前面人脸检测区别就是代码中换了xml文件，还有就是detectMultiScale()中的参数选择为默认。

上代码：

#导入cv模块
import cv2 as cv
#检测函数
def face_detect_demo():
    gary = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    face_detect = cv.CascadeClassifier('E:/Python/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')
    face = face_detect.detectMultiScale(gary)
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)

#读取图像
img = cv.imread('face2.jpg')
#检测函数
face_detect_demo()
#等待
while True:
    if ord('q') == cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

这里的face = face_detect.detectMultiScale(gary)函数，（）里的参数都是选择默认值。在一张图中参数的设置结果会导致人脸检测的误差，并不是所有的人脸都会被检测到，也有些不是人脸的的地方被检测成人脸，这段代码改参数调试几次后，发现选择默认的检测结果最好。

detectMultiScale()中各参数介绍：

参数1：image–待检测图片，一般为灰度图像加快检测速度；

参数2：objects–被检测物体的矩形框向量组；

参数3：scaleFactor–表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;

参数4：**minNeighbors–表示构成检测目标的相邻矩形的最小个数(默认为3个)。

如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，这种设定值一般用在用户自定义对检测结果的组合程序上；

参数5：flags–要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为

CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，因此这些区域通常不会是人脸所在区域；

参数6、7：minSize和maxSize用来限制得到的目标区域的范围。

看完也是稀里糊涂的，这里举个栗子：

face = face_detect.detectMultiScale(gary,1.01,5,0,(100,100),(300,300))

gray：表示图片

1.01：表示每次检测人脸扩大的倍数

5：表示连续检测5次都为人脸时候，才确定是人脸

0：一般都用默认值0，不用改

（100，100）：表示检测人脸最小的人脸，低于100*100的人脸检测不出

（300，300）：表示能检测到最大的人脸，高于300*300的人脸检测不出

如果这些参数都不写，就表示选择默认值。

大概就是这样，也是新手上路，有不对的地方请指正。