上期文章我们分享了TensorFlow手写数字识别的文章TensorFlow手写数字识别，本期我们简单了解一下OpenCV的人脸识别之检测篇，检测是在图片或者视频中识别出人脸

在OpenCV中使用Haar特征检测人脸，那么需要使用OpenCV提供的xml文件(级联表)在haarcascades目录下。这张级联表有一个训练好的AdaBoost训练集。首先要采用样本的Haar特征训练分类器，从而得到一个级联的AdaBoost分类器。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。

当安装好后OpenCV3，有个/haarcascades文件夹，包含了所有OpenCV的人脸检测XML文件。

haarcascade_eye.xml

haarcascade_eye_tree_eyeglasses.xml

haarcascade_frontalcatface.xml

haarcascade_frontalcatface_extended.xml

haarcascade_frontalface_alt.xml

haarcascade_frontalface_alt_tree.xml

haarcascade_frontalface_alt2.xml

haarcascade_frontalface_default.xml

haarcascade_fullbody.xml

haarcascade_lefteye_2splits.xml

haarcascade_licence_plate_rus_16stages.xml

haarcascade_lowerbody.xml

haarcascade_profileface.xml

haarcascade_righteye_2splits.xml

haarcascade_russian_plate_number.xml

haarcascade_smile.xml

haarcascade_upperbody.xml

上述xml分别是人脸不同的部位模型，我们使用如下模型来识别人脸

haarcascade_frontalface_alt.xml

本期分享一下如何使用此模型来识别图片中的人脸

import cv2 # 导入

img = cv2.imread(r'D:foxtableexampleimageli.jpg') # 导入图片

face = cv2.CascadeClassifier(r'D:Program Files (x86)Anaconda3pkgslibopencv-3.4.1-h875b8b8_3Libraryetchaarcascadeshaarcascade_frontalface_alt.xml') # 导入人脸模型

gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) # 灰度

faces = face.detectMultiScale(gray)

for (x, y, w, h) in faces: # 5个参数，一个参数图片 ，2 坐标原点，3 识别大小，4，颜色5，线宽

cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.namedWindow('powers') # 创建窗口

cv2.imshow('powers_li', img) # 显示图片

cv2.waitKey(0) # 暂停窗口

cv2.destroyWindow() # 关闭窗口

# 关闭窗口

cv2.destroyAllWindows()

使用OpenCV的自带的模型库检测人脸很容易实现，下期我们分享一下如何从视频中检测到人脸