本文介绍了如何利用OpenCV的Python包进行人脸检测。通过介绍OpenCV的面部识别原理和detectMultiScale函数的使用，展示了如何用10行代码实现简单的人脸检测功能。文章强调了实际操作在学习过程中的重要性。
1理论知识的解读
OpenCV是计算机视觉(Computer Vision)领域最受欢迎的库之一，该库最初使用C和C++实现，如今也已提供了对应的Python包——opencv-python。
OpenCV使用机器学习算法来实现对图片中人脸的搜索，但人脸搜索是一个十分复杂的事情，如正脸、侧脸、化妆、口罩等等因素让图片中的人脸呈现出的模式十分复杂，难以依靠单一的人脸检测算法识别人脸。实际上，OpenCV将面部识别任务拆分成成千上万个易于解决的小任务，每一个小任务也被称为一个分类器(Classfier)。
面对一张图片，我们该如何进行面部识别？最易想到的是从图片的左上方开始划定一小块区域，用算法检测人脸，不断移动块直至图片检测完成。通常在一个人脸识别任务中需要6000或更多的分类器，加上一个高分辨率图片块的不断迭代，每一张图片的检测需要进行数百万次计算。
OpenCV使用层级(cascade)的方式解决此类问题，即将面部识别分为多个阶段，对每个块先进行粗略快速的检测，通过后再进行详细检测，进而实现实时的面部识别，而不是耗费数小时的数百万次计算。层级本身只是一堆XML文件，其中包含用于检测对象的
最低0.47元/天 解锁文章
736
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
