OpenCV-Python 人脸识别

---恢复内容开始---

一、简单的识别

　　1、使用opencv进行猫的识别

 1 import cv2
 2 import numpy as np
 3 # 读取图片
 4 cat= cv2.imread('./cat.jpg')
 5 # 将彩色图片变成黑白图片，识别速度更快，提高效率
 6 gray = cv2.cvtColor(cat,code=cv2.COLOR_BGR2GRAY)
 7 # 针对具体的HAAR特征的级联分类器
 8 cat_head_detector = cv2.CascadeClassifier('./haarcascade_frontalcatface.xml')
 9 # 使用cat_dead_detector中的方法进行人脸检测
10 cat_zone = cat_head_detector.detectMultiScale(gray,scaleFactor=1.1,minNeighbors = 5,minSize=(40,40),maxSize=(80,80))
11 for x,y,w,h in cat_zone:
12     cv2.rectangle=(cat, pt1=(x,y), pt2=(x+w,y+h),color=[0,0,255],thickness=2)
13 
14 cv2.imshow('cat', cat)　　　　# 展示图片
15 cv2.waitKey(0)   　　　　　　　# 在键盘上按某个键退出图片
16 cv2.destroyALLWindows()　　　 # 因为opencv底层是c++，得释放内存

第八行：cv2.CascadeClassifier 是一个基于Haar特征的对象检测级联分类器。在训练分类器后，可以将应用于输入图像中感兴趣
的区域，如果可能是是别的输出1，否则为0。分类器名称中的级联意味着所得分类器由几个更简单的分类器（阶段）组成。
　　使用的时候直接将特征放到分类器中便可。
第十行：cat_head_detector.detectMultiScale进行人脸检测。
　　第一个参数：　　需要识别的黑白化的图片
　　第二个参数：　　待检测对象，缩放比例。默认值为1.1，值必须大于1.0
　　第三个参数：　　minNeighbors 周围检测的数量，作为筛选条件，值越大越苛刻
　　第四个参数：　　minSize 识别的最小区域
　　第五个参数：　　maxSize 识别的最大区域
第十二行：cv2.rectangle（）绘制识别出来的区域，这里使用的是矩形
　　第一个参数：　　需要识别的图片
　　第二个参数：　　矩形的左上角坐标
　　第三个参数：　　矩形的右下角坐标 （因为两个顶点能确定一个矩形，所以取两个顶点就行了）
　　第四个参数：　　识别出来的框的颜色因为这里是BGR模式，所以在color中表示为[蓝，绿，红]
　　第五个参数：　　矩形线条大小