OpenCV 可以使用機器學(xué)習(xí)算法搜索圖像中的人臉。由于人臉比較復(fù)雜，所以并沒有一種簡單的測試可以告訴我們它是否發(fā)現(xiàn)了人臉。但是，算法能夠匹配到數(shù)千個很小的模式和特征。算法會將識別人臉的任務(wù)分解為幾千個非常非常小的任務(wù)，像這種很小的任務(wù)，解決起來就比較容易了。這樣的微小任務(wù)就被稱為分類器。

代碼結(jié)果：

方法如下：

尋找導(dǎo)入的xml文件

import cv2 
print(cv2.__file__)

找到cv2安裝的路徑，在該路徑下找到/data文件。

里面默認下載了一部分xml文件，不是全部的xml文件。如果需要的xml文件不在里面，需要自行在網(wǎng)上下載，然后放到該目錄下，以備調(diào)用。比如自行安裝（'haarcascade_mcs_nose.xml'，'haarcascade_mcs_mouth.xml'）

導(dǎo)入包：

import cv2

導(dǎo)入xml文件，可以根據(jù)任務(wù)需要，自行選擇需要導(dǎo)入的xml文件

#人臉檢測器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
#眼睛檢測器
eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml')
#嘴巴檢測器
mouth_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_mcs_mouth.xml')
#鼻子檢測器
nose_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_mcs_nose.xml')

設(shè)置窗口：

cv2.namedWindow('mytest', 0);
cv2.resizeWindow('mytest', 1500, 1000)

打開攝像頭，人臉識別：

#獲取攝像頭
cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)
#打開攝像頭
cap.open(0)
while cap.isOpened():
    #獲取畫面
    flag, frame = cap.read()
 
    #人臉檢測
    faces = face_cascade.detectMultiScale(frame, 1.3, 2)
    img = frame
    for (x, y, w, h) in faces:
        #根據(jù)人臉坐標(biāo)和長度，寬度畫出矩形
        img = cv2.rectangle(img, (x, y), (x+w, y+h),(255, 0 ,0), 2)
        
        #確定人臉范圍，在人臉上搜索其他特征
        face_area = img[y:y+h, x:x+w]
        
        #人眼檢測
        eyes = eye_cascade.detectMultiScale(face_area, 1.3, 2)
        for (ex, ey, ew, eh) in eyes:
             cv2.rectangle(face_area, (ex, ey), (ex + ew, ey + eh), (255, 0 ,0), 1)
 
        #嘴巴檢測
        mouth = mouth_cascade.detectMultiScale(face_area, 1.5, 2)
        for (mx, my, mw, mh) in mouth:
            cv2.rectangle(face_area, (mx, my), (mx + mw, my + mh), (0, 0, 255), 2)
 
        # 鼻子檢測
        nose = nose_cascade.detectMultiScale(face_area, 1.2, 5)
        for (nx, ny, nw, nh) in nose:
            cv2.rectangle(face_area, (nx, ny), (nx + nw, ny + nh), (255, 0, 255), 2)
 
    #畫面顯示
    cv2.imshow('mytest', img)
    #設(shè)置退出按鈕
    key_pressed = cv2.waitKey(100)
    print('單機窗口，輸入按鍵，電腦按鍵為',key_pressed,'按esc鍵結(jié)束')
    if key_pressed == 27:
        break
 
#關(guān)閉攝像頭
cap.release()
#關(guān)閉圖像窗口
cv2.destroyAllWindows()

完整代碼：

import cv2
#人臉檢測器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
#眼睛檢測器
eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml')
#嘴巴檢測器
mouth_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_mcs_mouth.xml')
#鼻子檢測器
nose_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_mcs_nose.xml')
 
#獲取攝像頭
cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)
#打開攝像頭
cap.open(0)
cv2.namedWindow('mytest', 0);
cv2.resizeWindow('mytest', 1500, 1000)
while cap.isOpened():
    #獲取畫面
    flag, frame = cap.read()
 
    #人臉檢測
    faces = face_cascade.detectMultiScale(frame, 1.3, 2)
    img = frame
    for (x, y, w, h) in faces:
        #根據(jù)人臉坐標(biāo)和長度，寬度畫出矩形
        img = cv2.rectangle(img, (x, y), (x+w, y+h),(255, 0 ,0), 2)
 
        #確定人臉范圍，在人臉上搜索其他特征
        face_area = img[y:y+h, x:x+w]
 
        #人眼檢測
        eyes = eye_cascade.detectMultiScale(face_area, 1.3, 2)
        for (ex, ey, ew, eh) in eyes:
             cv2.rectangle(face_area, (ex, ey), (ex + ew, ey + eh), (255, 0 ,0), 1)
 
        #嘴巴檢測
        mouth = mouth_cascade.detectMultiScale(face_area, 1.5, 2)
        for (mx, my, mw, mh) in mouth:
            cv2.rectangle(face_area, (mx, my), (mx + mw, my + mh), (0, 0, 255), 2)
 
        # 鼻子檢測
        nose = nose_cascade.detectMultiScale(face_area, 1.2, 5)
        for (nx, ny, nw, nh) in nose:
            cv2.rectangle(face_area, (nx, ny), (nx + nw, ny + nh), (255, 0, 255), 2)
  
    #畫面顯示
    cv2.imshow('mytest', img)
    #設(shè)置退出按鈕
    key_pressed = cv2.waitKey(100)
    print('單機窗口，輸入按鍵，電腦按鍵為',key_pressed,'按esc鍵結(jié)束')
    if key_pressed == 27:
        break
 
#關(guān)閉攝像頭
cap.release()
#關(guān)閉圖像窗口
cv2.destroyAllWindows()