在OpenCV中使用Haar特征檢測人臉，那么需要使用OpenCV提供的xml文件（級聯(lián)表）在haarcascades目錄下。這張級聯(lián)表有一個訓練好的AdaBoost訓練集。首先要采用樣本的Haar特征訓練分類器，從而得到一個級聯(lián)的AdaBoost分類器。Haar特征值反映了圖像的灰度變化情況。例如：臉部的一些特征能由矩形特征簡單的描述，如：眼睛要比臉頰顏色要深，鼻梁兩側(cè)比鼻梁顏色要深，嘴巴比周圍顏色要深等。

當安裝好后OpenCV3，有個/haarcascades文件夾，包含了所有OpenCV的人臉檢測XML文件。

haarcascade_eye.xml

haarcascade_eye_tree_eyeglasses.xml

haarcascade_frontalcatface.xml

haarcascade_frontalcatface_extended.xml

haarcascade_frontalface_alt.xml

haarcascade_frontalface_alt_tree.xml

haarcascade_frontalface_alt2.xml

haarcascade_frontalface_default.xml

haarcascade_fullbody.xml

haarcascade_lefteye_2splits.xml

haarcascade_licence_plate_rus_16stages.xml

haarcascade_lowerbody.xml

haarcascade_profileface.xml

haarcascade_righteye_2splits.xml

haarcascade_russian_plate_number.xml

haarcascade_smile.xml

haarcascade_upperbody.xml

上述xml分別是人臉不同的部位模型，我們使用如下模型來識別人臉

haarcascade_frontalface_alt.xml

本期分享一下如何使用此模型來識別圖片中的人臉

import cv2 # 導入

img = cv2.imread(r'D:\foxtable\example\image\li.jpg') # 導入圖片

face = cv2.CascadeClassifier(r'D:\Program Files (x86)\Anaconda3\pkgs\libopencv-3.4.1-h875b8b8_3\Library\etc\haarcascades\haarcascade_frontalface_alt.xml') # 導入人臉模型

gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) # 灰度

faces = face.detectMultiScale(gray)

for (x, y, w, h) in faces: # 5個參數(shù)，一個參數(shù)圖片 ，2 坐標原點，3 識別大小，4，顏色5，線寬

cv2.rectangle(img, (x, y), (x w, y h), (0, 255, 0), 2)

cv2.namedWindow('powers') # 創(chuàng)建窗口

cv2.imshow('powers_li', img) # 顯示圖片

cv2.waitKey(0) # 暫停窗口

cv2.destroyWindow() # 關閉窗口

# 關閉窗口

cv2.destroyAllWindows()

使用OpenCV的自帶的模型庫檢測人臉很容易實現(xiàn)，下期我們分享一下如何從視頻中檢測到人臉