第十八天调用摄像头人脸识别（有误判）

import cv2 as cv
import numpy as np


def face_detect_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)

    ##叠加分类器
    face_detector = cv.CascadeClassifier("M:/opencv3&python视频 淘宝一枝红梨/2-赠送OpenCV视觉处理核心课程/opencv-3.0.0/data/lbpcascades/lbpcascade_frontalcatface.xml")
    faces = face_detector.detectMultiScale(gray, 1.1, 20)
    #detectMultiScale
    ##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；为输出量，如人脸检测矩阵Mat
    # 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%;一般设置为1.1
    # 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。也就是我本次训练得到实际项目尺寸大小
    for x, y, w, h in faces:
        cv.rectangle(image, (x, y), (x+w, y+h), (0, 0, 255), 2)
    cv.imshow("result", image)
print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("C:/Users/weiqiangwen/Desktop/sest/data/lena.jpg")
# cv.namedWindow("input contours",cv.WINDOW_AUTOSIZE)
cv.imshow("contours", src)
capture = cv.VideoCapture(0)
#cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.namedWindow("result", cv.WINDOW_AUTOSIZE)
while(True):
    ret, frame = capture.read()
    frame = cv.flip(frame, 1)
    face_detect_demo(frame)
    c = cv.waitKey(10)
    if c == 27: # ESC
        break
cv.waitKey(0)

cv.destroyAllWindows()