人臉檢測是指檢測並定位到指定影象中的人臉，並且返回高精度的人臉框座標。
目前的人臉檢測方法大致可分為兩類：基於知識和基於統計
基於知識的方法
將人臉看作器官特徵的組合，根據面部器官的特徵和幾何位置關係來檢測人臉。例如模板匹配、人臉特徵、形狀與邊緣、紋理特徵、顏色特徵等方法。
基於統計的方法
將人臉看作二維畫素的矩陣，通過大量的人臉影象樣本來構造人臉模式空間，根據相似度來判斷人臉是否存在。例如神經網路、支援向量機、主成分分析、隱馬爾可夫模型、adaboost演算法等。
opencv是乙個開源的跨平台視覺庫，在linux、windows、android和mas os 等多個作業系統上都能執行，可實現計算機視覺和影象處理等功能。它本身使用c++語言編寫，主要介面也是c++，但它也同時提供了python、ruby、matlab等語言的介面.
opencv在人臉檢測上使用的是haar特徵的級聯表，haar分類器演算法要點如下：
（1）使用haar-like特徵做檢測
（2）使用積分圖對haar-like特徵求值進行加速
（3）使用adaboost演算法訓練區分人臉和非人臉的強分類器
（4）使用篩選式級聯把強分類器級聯到一起，提高準確率
人臉的haar特徵分類器是乙個xml檔案，該檔案中會描述人臉的haar特徵值，也可以單獨描述眼睛、嘴唇或是其他物體
（1）讀入
（2）將彩色灰度
（3）進行灰度圖直方圖均衡化操作
（4）檢測人臉
直接在終端輸入pip3 install opencv-python
1、cv2.imread(filepath,flags) //讀入一張
2、cv2.imshow(wname,img)
//顯示影象，但只寫這一句影象只會一閃而過，wname指顯示影象的視窗的名字，img指要顯示的影象
3、imwrite(file ,img,num)
//儲存乙個影象，引數一是儲存影象的新檔名，引數二是要儲存的影象，引數三是壓縮級別，預設為3.
4、cv2.cvtcolor() //影象顏色空間轉換
cv2.cvtcolor(img,cv2.color_bgr2gray) //將進行灰度化
5、cv2.resize(image,image2,dsize) //更改影象的尺寸
6、cv2.flip(img,flipcode) //影象反轉
flipcode = 0:沿著x軸翻轉；flipcode > 0:沿著y軸翻轉；flipcode < o:x,y同時翻轉
7.cv2.warpaffine(img,m,(,)) //影象仿射變換
8、cv2.puttext(img,『text』,(,)) //影象新增文字。要新增的影象，新增的文字，左上角座標，字型大小，顏色，字型粗細
9.cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2) //畫矩形。選定的影象，矩形的左上角座標，矩形的右下角座標
1、在pycharm中讀入一張
2、將進行灰度
3、在所選定的影象上繪製圖形
4.更改影象的尺寸
基於OpenCV的簡單的人臉檢測
這個是在數字影象處理課程裡面的乙個小實踐內容。參考網上已有 重新配置編譯，效果不錯。人臉識別的庫使用的是haarcascade frontalface檔案，包含在opencv當中的。關鍵部分 如下 本原始碼只為學習交流之用 typersever from gzhu static cvmemstora...
基於opencv3的人臉檢測
目前opencv3中已經有人臉檢測的類了，只要呼叫函式庫的類就行 該程式需要兩個xml檔案，分別是haarcascade frontalface alt.xml和haarcascade eye tree eyeglasses.xml，它們分別是已經通過了大量訓練且能檢測出人臉和眼睛了，只要呼叫即可。...
Python基於OpenCV的人臉檢測並儲存
import cv2cv2.cascadeclassifier cv2.data.haarcascades haarcascade frontalface default.xml coding utf 8 import opencv的庫 import cv2 import os,math,opera...