opencv人脸检测

import cv2
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

img=cv2.imread("D:\java_ceshi\python_sucai\wlwz.jpg",1)
# 用彩色方式读取图片

face_eneine = cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_frontalface_default.xml')
# 加载默认的人脸分类器，这个分类器是opencv自带的，可以直接使用
print(cv2.data.haarcascades)
# 输出一下模型的路径

faces = face_eneine.detectMultiScale(img,scaleFactor=1.3,minNeighbors=5,maxSize=(350,350),minSize=(200,200))
# scaleFactor 为了检测到不同大小的目标，通过scalefactor参数把图像长宽同时按照一定比例（默认1.1）逐步缩小，
# 然后检测，这个参数设置的越大，计算速度越快，但可能会错过了某个大小的人脸。
# minNeighbors 构成检测目标的相邻矩形的最小个数，默认值是3，这个值设置的越大，检测结果越精准，但是漏检的概率也会增大
# maxSize=()会规定检测的长方形的最大值，比如设置为（50，50）那么其他大于这个大小的人脸就不会被检测出来了，这个参数可以根据检测的结果慢慢调试
#minSize=（）这个参数可以规定长方形的最小值，类似manSize（）
#检测后会返回一组或者多组值，分别代表矩形的左上角坐标，和矩形的宽和长

for (x,y,w,h) in faces:
    img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
    #循环取出每一组值，把这些值画在图片上，img是图片，（x，y）是矩形的左上角坐标，（x+w，y+h）是右下角坐标，（255，0，0）
    #因为是BGR颜色，所以框的颜色是蓝色，2代表框线的粗细
cv2.imshow('img',img)
#显示图片
cv2.waitKey(0)
#任意键退出图片
cv2.destroyAllWindows()
#释放内存