OpenCV是构建计算机视觉应用程序的强大工具。计算机视觉中最常见的任务之一是人脸检测，它涉及识别图像或视频中人脸的存在、位置和面部特征。
在本文中，我们将学习如何使用 Haar 级联分类器检测图像中的人脸。
先决条件
在开始之前，你需要在计算机上安装 OpenCV。
参考：https:///releases/
你还需要一个示例图像来测试人脸检测算法。你可以使用任何你喜欢的图像。
第 1 步：加载 Haar 级联分类器
使用 OpenCV 进行面部和眼睛检测的第一步是加载 Haar 级联分类器。分类器是一个预训练的机器学习模型，经过训练可以检测人脸和眼睛。
这是加载分类器的代码：
import cv2
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')
第 2 步：加载图像
接下来，我们需要加载我们要处理的图像。我们可以使用cv2模块中的imread函数来加载图像。
image = cv2.imread('Image.png')
第 3 步：将图像转换为灰度
Haar 级联分类器在灰度图像上效果最好，因此我们需要将图像转换为灰度图像。我们可以使用cvtColor函数来做到这一点。
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
第 4 步：检测人脸
现在我们可以使用级联分类器的detectMultiScale函数来检测图像中的人脸。此函数返回代表检测到的人脸位置的矩形列表。
#detect faces
faces = face_cascade.detectMultiScale(gray, 1.1, 4)
# Get the face ROI
face_roi = gray[y:y+h, x:x+w]
#detect eyes
eyes = eye_cascade.detectMultiScale(face_roi)
第 5 步：在脸部和眼睛周围画矩形
最后，我们可以使用rectangle函数在人脸周围绘制矩形。
#Rectangle around face
for (x, y, w, h) in faces:
cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)
#Rectangle around eyes
for (ex, ey, ew, eh) in eyes:
cv2.rectangle(frame, (x+ex, y+ey), (x+ex+ew, y+ey+eh), (0, 255, 0), 2)
第 6 步：显示图像
我们可以使用imshow函数来显示带有检测到的人脸的图像。
cv2.imshow('Face Detection', image)
cv2.waitKey()
cv2.destroyAllWindows()
完整代码——检测实时视频源中的面部和眼睛
import cv2
# Load the cascade classifiers for face and eye detection
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')
# Start the video capture
capture = cv2.VideoCapture(0)
while True:
# Read the frame from the video capture
_, frame = capture.read()
# Convert the frame to grayscale
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# Detect faces in the frame
faces = face_cascade.detectMultiScale(gray, 1.1, 4)
# Loop over the faces
for (x, y, w, h) in faces:
# Draw a rectangle around the face
cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
# Get the face ROI
face_roi = gray[y:y+h, x:x+w]
# Detect eyes in the face ROI
eyes = eye_cascade.detectMultiScale(face_roi)
# Loop over the eyes
for (ex, ey, ew, eh) in eyes:
# Draw a rectangle around the eyes
cv2.rectangle(frame, (x+ex, y+ey), (x+ex+ew, y+ey+eh), (0, 255, 0), 2)
# Display the frame
cv2.imshow('Face Recognition', frame)
# Check if the user pressed 'q' to quit
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# Release the video capture and destroy the windows
capture.release()
cv2.destroyAllWindows()
