自从上次可以读取出图片并显示出来，甚至还可以通过调用convert函数对读取出来的图像进行一定的灰度变化，总想着是不是要更进一步呢，那么下一步做什么比较好呀。就想到了人脸识别，由于这部分自学，也没找到什么比较好的书或者视频，就自己找找博客看看，但是人脸识别这么难，我刚接触图像处理，该怎么做呢？正巧今天中午看到某公众号发出来一篇文章，大意就是可以有比较好的工具帮助进行人脸识别，那不就好办了嘛。在这个基础上查了几篇博客，在这里把涉及到的方法和工具使用记录一下
一、识别器
接触过这方面相关知识的应该知道，我们如果要进行人脸识别应该需要建立一个模型，然后还需要一定的模型去训练它，使得 这个模型能对人脸的特征有一些“经验”，知道什么样的是人脸，然后在测试集中才会找到我们想要的识别效果。但是如果我们下载了与python相匹配的opencv，即opencv-python，那么在它的目录下面会有一个训练好的人脸识别器，我们这里使用了haarcascade_frontalface_default.xml，在一些博客上会写到需要在GitHub上下载这个工具，实际上如果安装好了opencv直接使用就可以了，具体可以搜索一下文件名再看一下它的路径。我这里使用的是anaconda下的opencv，所以其路径是在anaconda下的pkgs->libopencv-3.4.1-h875b8b8_3(这里的版本号可能根据每个人下载的不同而存在差异)->Library->etc->haarcascades，在这个路径下就可以找到我们的识别器了。
接下来我们需要声明一个变量，像这样：
f=cv2.CascadeClassifier("E:\\anaconda\\pkgs\\libopencv-3.4.1-h875b8b8_3\\Library\\etc\\haarcascades\\haarcascade_frontalface_default.xml")需要注意的是路径要像这样使用双斜线，不然会报错
CascadeClassifier叫做级联分类器，大概理解了一下，我们在判定人脸属性的时候，有几种方法，比如左眼，右眼，鼻子，嘴巴，耳朵，等等，这种是基本的分类器来实现的，分类器对于一个事物的判断结果只有true/false两种，而级联分类器要做的事情是这样的，比如我们进行人脸识别，就把与人脸识别相关的分类器的结果集中起来，如果全部都判定为真那么则确认我们找到了一个人脸，否则认为没有。
二、detectMultiScale函数
这是一个用于检测的函数，其中有几个参数，是要手动设置的，使用的时候像这样：
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) #灰度转换
faces = f.detectMultiScale( #探测人脸
gray,
scaleFactor = 1.15,
minNeighbors = 5,
minSize = (5,5),
)这里我们首先将图像进行了灰度转换，然后再对函数中几个参数依次说明：
第一个是需要检测的图像对象，这里就是我们转换为灰色图像的图片
第二个是每次图像尺寸减小的比例
第三个是表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大小都可以检测到人脸)
第四个是目标的最小尺寸
还可以包括几个参数：minSize，检测的最大尺寸
Objects表示检测到的人脸序列，这个参数没大懂怎么用的，如果不写的话会有一个默认值
三、完整程序
import cv2
f=cv2.CascadeClassifier("E:\\anaconda\\pkgs\\libopencv-3.4.1-h875b8b8_3\\Library\\etc\\haarcascades\\haarcascade_frontalface_default.xml")
image = cv2.imread("E:\\360MoveData\\Users\\Administrator\\Desktop\\things2_0\\picSources\\doutinghao.jpg") #读取图片
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) #灰度转换
faces = f.detectMultiScale( #探测人脸
gray,
scaleFactor = 1.15,
minNeighbors = 5,
minSize = (5,5),
)
for(x,y,w,h) in faces:
cv2.rectangle(image,(x,y),(x+w,y+h),(0,0,255),2)
cv2.imshow("face recognizition",image) #显示图像
cv2.waitKey(0)四、效果
可以看到这里有两个人脸没有被识别到，具体可能要再调整一下参数
图片传上来有些变形，但识别效果很好
这篇博客参考了https://blog.csdn.net/weixin_42309501/article/details/80781293对于函数的介绍，在此感谢