本来学习OpenCV的目的就是为了做人脸识别、车辆识别、人群计数等等，识别人脸首先要进行人脸检测，OpenCV中内置了Haar Cascade人脸分类器，其中包括haarcascade_frontalface_alt、haarcascade_frontalface_alt_tree、haarcascade_frontalface_alt2、haarcascade_frontalface_default这四种，本文不求甚解，只是从比对上判断一下这几种内置分类器的可用性。

比较的依据，一个是下载的ORL人脸数据库，40个人物*10张照片（92*112像素）；另一个是从网络上下载的几张集体照。

ORL人脸数据库，每一个目录就是个人物，就是人物标签

juhui1，1927年在比利时布鲁塞尔召开的第五次索尔维会议，共29个人，黑白照片

juhui2，1924年林徽因等与访问中国的泰戈尔合影，共7个人

juhui3，为某一届政协会议，主席台上有19个人

juhui4，仍然是1927年在比利时布鲁塞尔召开的第五次索尔维会议，共29个人，但是是彩色照片

下面的代码是读取摄像头，进行人脸检测

import numpy as np
import cv2
import os# 定义绿色跟踪框
color = (0, 255, 0)# 读取当前笔记本摄像头
camera = cv2.VideoCapture(0)
# 判断摄像头是否打开
while camera.isOpened():#cap.read()返回两个参数赋给两个值。#   第一个参数ret的值为True或False，代表有没有读到图片。#   第二个参数是frame，是当前截取一帧的图片ret, frame = camera.read()if ret:# 获取当前帧image = frame# 进行颜色灰度转换gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 加载分类器，opencv自带的分类器，放在C:\Python\Python37\Lib\site-packages\cv2\data目录下，主要包括# haarcascade_eye 睁开的眼睛的检测# haarcascade_eye_tree_eyeglasses 戴眼镜时睁开的眼睛# haarcascade_frontalcatface      正脸检测# haarcascade_frontalcatface_extended     正脸检测# haarcascade_frontalface_alt     正脸检测# haarcascade_frontalface_alt_tree        正脸检测# haarcascade_frontalface_alt2    正脸检测# haarcascade_frontalface_default 正脸检测# haarcascade_fullbody    全身检测# haarcascade_lefteye_2splits     检测左眼开或闭合# haarcascade_licence_plate_rus_16stages  俄罗斯车牌# haarcascade_lowerbody   下肢检测# haarcascade_profileface 人脸轮廓检测# haarcascade_righteye_2splits    检测右眼开或闭合# haarcascade_russian_plate_number        俄罗斯车牌号# haarcascade_smile       微笑表情检测# haarcascade_upperbody   上半身检测classfier = cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")# detectMultiScale函数。可以检测出图片中所有的人脸，并将人脸用vector保存各个人脸的坐标、大小（用矩形表示），函数由分类器对象调用# 参数1：image--待检测图片，一般为灰度图像加快检测速度；# 参数2：objects--被检测物体的矩形框向量组；# 参数3：scaleFactor--表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;# 参数4：minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。#         如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。#         如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，#         这种设定值一般用在用户自定义对检测结果的组合程序上；# 参数5：flags--要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为#         CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，#         因此这些区域通常不会是人脸所在区域；# 参数6、7：minSize和maxSize用来限制得到的目标区域的范围。faceRects = classfier.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))# 返回识别出来的脸部矩阵的位置数组 [[211 191 266 266] [211 191 266 266] [211 191 266 266]]# 如果已识别脸部对象if len(faceRects) > 0:# 循环输出识别的数组for faceRect in faceRects:# 获取矩阵的人脸的坐标、大小x, y, w, h = faceRect# 通过rectangle()在图片上构建矩阵图cv2.rectangle(image, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 3)# 展示图片cv2.imshow("My Capture", image)# 按q键退出if cv2.waitKey(1) & 0xFF == ord('q'):break
# 关闭摄像头
camera.release()
# 关闭窗口
cv2.destroyAllWindows()

下面的代码是读取摄像头，进行人脸检测和眼睛检测

import numpy as np
import cv2
import os# 定义绿色跟踪框
color = (0, 255, 0)
# 正脸检测分类器
face_cascade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_alt2.xml')
# 睁开的眼睛的检测分类器，奇怪不加路径会报错
eye_cascade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_eye.xml')# 读取当前笔记本摄像头
camera = cv2.VideoCapture(0 ,cv2.CAP_DSHOW)
# 判断摄像头是否打开
while camera.isOpened():ret, frame = camera.read()if ret:# 获取当前帧image = frame# 灰度转换gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 脸部检测faces = face_cascade.detectMultiScale(gray, 1.3, 5)# 遍历脸部检测数组for (x, y, w, h) in faces:# 输出脸部矩阵cv2.rectangle(image, (x, y), (x + w, y + h), (255, 0, 0), 2)# 在脸部范围内搜索眼睛，一个灰度图（用来识别眼睛），一个颜色图（用来输出眼睛矩阵）roi_gray = gray[y:y + h, x:x + w]roi_color = image[y:y + h, x:x + w]# 进行眼睛检测eyes = eye_cascade.detectMultiScale(roi_gray)# 在脸部区画眼睛矩阵for (ex, ey, ew, eh) in eyes:cv2.rectangle(roi_color, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)cv2.imshow('img', image)# 按q键退出if cv2.waitKey(1) & 0xFF == ord('q'):break# 关闭摄像头
camera.release()
# 关闭窗口
cv2.destroyAllWindows()

用opencv内置分类器对几张聚会照片进行人脸检测。

import numpy as np
import cv2imgname = 'C:\\Python\\Pycharm\\docxprocess\\picture\\predict\\juhui4.png'
face_cascade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_alt.xml')
# face_cascade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_alt2.xml')
# face_cascade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_alt_tree.xml')
# face_cascade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml')
img = cv2.imread(imgname)
# img = cv2.imread('wukelan.jpeg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x, y, w, h) in faces:cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

比较检测出来的人脸，可以看出haarcascade_frontalface_alt_tree>haarcascade_frontalface_alt>haarcascade_frontalface_default>haarcascade_frontalface_alt2

下面是对ORL人脸数据库进行人脸检测。

import cv2
import numpy as np
import os
import shutil# 载入图像，读取ORL人脸数据库，准备训练数据
def loadimageface(data):# 加载图片数据用于训练# params:data:训练数据所在的目录，要求图片尺寸一样#ret:#    images:[m,height,width]  m为样本数，height为高，width为宽#    names：名字的集合#    labels：标签images = []names = []labels = []face_casecade = cv2.CascadeClassifier('C:\\Python\\Python37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml')# haarcascade_frontalface_alt_tree  21# [ 3  9 13 13 13 13 15 17 24 31 33 34 34 34 35 35 36 37 37 37 37]# haarcascade_frontalface_alt   222# [ 0  0  1  1  1  1  1  1  1  1  1  2  2  2  2  2  2  2  2  3  3  3  3  3#   3  3  3  3  3  4  4  4  4  4  5  5  5  5  5  6  6  6  6  6  7  7  7  7#   8  8  9  9  9  9  9  9  9  9  9  9 10 10 10 12 12 12 12 12 12 12 12 12#  13 13 13 13 13 13 13 13 13 13 14 15 15 15 15 15 15 16 16 16 16 16 17 17#  17 17 18 18 18 18 18 18 19 20 20 21 21 21 21 21 21 21 21 22 22 22 22 22#  22 23 23 23 23 23 23 23 23 24 24 24 24 24 25 25 26 26 26 26 26 26 26 26#  29 29 29 29 29 30 30 30 30 30 31 31 31 31 31 31 31 31 31 31 32 32 32 33#  33 33 33 33 34 34 34 34 34 34 34 35 35 35 35 35 36 36 36 36 36 36 36 36#  36 37 37 37 37 37 37 37 37 37 37 38 38 38 38 38 38 38 38 38 39 39 39 39#  39 39 39 39 39]# haarcascade_frontalface_alt2  231# [ 0  0  0  1  1  1  1  1  1  1  1  1  2  2  2  2  2  2  2  3  3  3  3  3#   3  3  3  3  3  4  4  4  4  5  5  5  5  6  6  6  6  6  6  7  7  7  7  7#   7  8  8  9  9  9  9  9  9  9  9  9  9 10 10 10 12 12 12 12 12 12 12 12#  12 13 13 13 13 13 13 13 13 13 13 15 15 15 15 15 15 15 15 15 16 16 16 16#  16 16 16 16 17 17 17 17 17 18 18 18 18 18 19 19 19 20 20 21 21 21 21 21#  21 21 21 22 22 22 22 22 22 22 23 23 23 23 23 23 23 23 23 24 24 24 24 24#  25 25 26 26 26 26 26 28 29 29 29 29 29 30 30 30 30 31 31 31 31 31 31 31#  31 31 31 32 32 32 32 32 32 33 33 33 33 33 34 34 34 34 34 34 34 35 35 35#  35 35 36 36 36 36 36 36 36 36 36 37 37 37 37 37 37 37 37 37 37 38 38 38#  38 38 38 38 38 39 39 39 39 39 39 39 39 39]# haarcascade_frontalface_default   264# [ 0  0  0  0  0  1  1  1  1  1  1  1  1  2  2  2  2  2  2  2  2  2  2  3#   3  3  3  3  3  3  4  4  4  4  4  4  5  5  5  5  5  5  5  5  5  5  6  6#   6  6  6  6  6  7  7  7  7  7  7  7  8  8  9  9  9  9  9  9  9  9  9  9#  10 10 10 10 10 12 12 12 12 12 12 12 12 12 12 13 13 13 13 13 13 13 13 13#  13 14 14 14 14 14 14 14 15 15 15 15 15 15 16 16 16 16 16 16 16 16 16 17#  17 17 17 17 18 18 18 18 18 19 19 19 19 19 19 19 19 19 19 20 20 20 20 20#  20 21 21 21 21 21 21 22 22 22 22 23 23 23 23 23 23 23 24 24 24 24 24 25#  25 25 25 26 26 26 26 26 26 26 26 26 29 29 29 29 29 29 29 30 30 30 30 30#  30 30 31 31 31 31 31 31 31 31 31 32 32 32 32 33 33 33 33 33 33 33 33 34#  34 34 34 34 34 34 35 35 35 35 35 36 36 36 36 36 36 36 36 36 37 37 37 37#  37 37 37 37 37 37 38 38 38 38 38 38 38 38 38 39 39 39 39 39 39 39 39]label = 0# 遍历当前文件夹for subdir in os.listdir(data):print('processing ',subdir)# 构造路径全链路subpath = os.path.join(data, subdir)# 如果是否文件夹if os.path.isdir(subpath):# 每个文件夹代表一个人，也就是构造人的姓名names.append(subdir)# 遍历文件夹中的图片文件for filename in os.listdir(subpath):imgpath = os.path.join(subpath, filename)print('processing ', filename)# 读取图片，并转换为灰度图片# 灰度图片用于进行训练# 构造图片和标签关系img = cv2.imread(imgpath, cv2.IMREAD_COLOR)gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)faces = face_casecade.detectMultiScale(gray_img, 1.3, 5)print('faces=',faces,'face num=',str(len(faces)))for (x, y, w, h) in faces:cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)if (len(faces) > 0):(x, y, w, h) = faces[0]# 只返回图像的正面部分images.append(gray_img[y:y + w, x:x + h])labels.append(label)cv2.imshow('img', img)label += 1# 将图片转换为易于操作的ndarray形式images = np.asarray(images)# 将标签转为numpy格式labels = np.asarray(labels)return images, labels, namesif __name__ == '__main__':trainimage = 'C:\\Python\\Pycharm\\docxprocess\\picture\\ORL\\'X, y, names = loadimageface(trainimage)

从效果上cade_frontalface_default>haarcashaarcascade_frontalface_alt2>haarcascade_frontalface_alt>haarcascade_frontalface_alt_tree

这就比较尴尬了。。。到底选谁好呢？

说到底，Haar Cascade人脸分类器是入门级的人脸检测工具，只能用于好玩的测试，看样子只能用更加高级的工具了。

最后，谢谢关注，谢谢支持！