人脸检测和识别
在opencv中data/haarcascades,该文件夹包含了所有的opencvv人脸检测的xml文件，这些文件用于检测静止图像、视频和摄像头所得到的图像中的人脸。
使用时直接索引到该文件。
1、静态图像中的人脸检测
级联分类
def CascadeClassifier(filename=None): # real signature unknown; restored from __doc__ """ CascadeClassifier([filename]) -> <CascadeClassifier object> """ pass
from cv2 import *
image=imread('D:/temp/f1.jpg')
def detect(frame):
#负责人脸检测
face_cascades=CascadeClassifier('D:/cascades/haarcascade_frontalface_default.xml')
#必须转换成灰度图
gray=cvtColor(frame,COLOR_BGR2GRAY)
#实际的人脸检测
faces=face_cascades.detectMultiScale(gray,1.3,5)
#通过依次提取faces变量中的值来找到人脸，并在人脸周围绘制红色矩形，这是在原始图像而不是在灰度图上
for (x,y,w,h) in faces:
frame=rectangle(frame,(x,y),(x+w,y+h),(0,0,255),2)
namedWindow('Detected')
imshow('Detected',frame)
waitKey()
detect(image)
destroyAllWindows()
2、视频中的人脸检测
from cv2 import *
videocaptrue=VideoCapture(0)
ret,frame=videocaptrue.read()
def detect(frame):
face_cascades=CascadeClassifier('D:/cascades/haarcascade_frontalface_default.xml')
# img=imread(filename)
gray=cvtColor(frame,COLOR_BGR2GRAY)
faces=face_cascades.detectMultiScale(gray,1.3,5)
for (x,y,w,h) in faces:
frame=rectangle(frame,(x,y),(x+w,y+h),(0,0,255),2)
namedWindow('Detected')
imshow('Detected',frame)
waitKey(1)
while ret:
detect(frame)
ret, frame = videocaptrue.read()
destroyAllWindows()
3、视频中人脸及眼睛
来源：http://bluewhale.cc/2017-07-28/use-python-and-opencv-to-detect-faces-and-eyes.html
使用numpy和cv2两个库。
#导入所需库文件 import numpy as np import cv2
加载Haar特征分类器中的面部识别和眼睛识别两个xml文件。如何你还需要识别更多的元素也在这里一并加载。
#加载面部识别文件(请按文件实际存储路径进行调整)
#https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
#加载眼部识别文件(请按文件实际存储路径进行调整)
#https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_eye.xml
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')
打开你的摄像头来获取视频，到这一步摄像头开始工作，但还没有任何影像输出。如果没有摄像头可以使用电脑里的视频文件进行替代。
#打开摄像头获取视频 cap = cv2.VideoCapture(0)
我们同时将对摄像头获取的图像进行保存，这里对视频文件进行处理并设置保存路径及视频尺寸。(这一步不是必须的操作)
#编译并输出保存视频
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480))
开始获取并处理视频内容。下面是一个无限的循环结构，通过按键q可以结束循环。在这个循环中ret获取摄像头是否有返回的布尔值，img获取摄像头拍摄的视频内容。我们首先将摄像头获取的彩色图像转化为灰度图像。后续的操作将主要在灰度图像上完成，然后再使用灰度图像中的坐标对原始的彩色图像进行标记和输出。图像转化为灰度后首先进行人脸检测，然后在人脸检测的基础上再进行眼睛检测，这样做的原因有两点，1，避免面部以外的物体被错误的识别为眼睛，2，眼睛识别算法需要一些眼睛周围的面部特征来进行检测，从而提高准确率。
随后使用矩形绘制出人脸的位置和眼睛的位置，在设置绘制颜色时需要注意，OpenCV中的颜色值并不是RGB，而是BRG。检测和绘制完成后对图像进行输出。这时可以在视频窗口中看到被标记的面部和眼睛。由于我们使用的Haar特征分类器是正面面部识别，因此需要正对摄像头。如果面部发生偏转则无法识别。
#无限循环
while(True):
#获取视频及返回状态
ret, img = cap.read()
#将获取的视频转化为灰色
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#检测视频中的人脸，并用vector保存人脸的坐标、大小（用矩形表示）
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
#脸部检测
for (x,y,w,h) in faces:
cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
roi_gray = gray[y:y+h, x:x+w]
roi_color = img[y:y+h, x:x+w]
#检测视频中脸部的眼睛，并用vector保存眼睛的坐标、大小（用矩形表示）
eyes = eye_cascade.detectMultiScale(roi_gray)
#眼睛检测
for (ex,ey,ew,eh) in eyes:
cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
#显示原图像
cv2.imshow('img',img)
#按q键退出while循环
if cv2.waitKey(30) & 0xFF == ord('q'):
break
退出while循环后释放摄像头，完成视频输出并关闭所有窗口。
#释放摄像头 cap.release() #关闭视频输出 out.release() #关闭所有窗口 cv2.destroyAllWindows()
4、人脸识别
定义：程序能识别给定图像或视频中的脸。
方法：用一系列分好类的图像（人脸数据库）来“训练”程序，并基于这些图像来进行识别。
4.1生成人脸识别数据
需满足以下条件：
--图像是灰度格式，后缀名为.pgm
--图像形状为正方形
--图像大小要一样（以下使用200x200的大小）
脚本代码：
from cv2 import *
def generate():
face_cascades = CascadeClassifier('D:/cascades/haarcascade_frontalface_default.xml')
eye_cascades = CascadeClassifier('D:/cascades/haarcascade_eye.xml')
videocap=VideoCapture(0)
count=0
while 1:
ret,frame=videocap.read()
gray=cvtColor(frame,COLOR_BGR2GRAY)
faces=face_cascades.detectMultiScale(gray,1.3,5)
for (x,y,w,h) in faces:
img=rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)
f=resize(gray[y:y+h,x:x+w],(200,200))
imwrite('D:/temp/Mypic/%s.pgm'%str(count),f)
count+=1
imshow('Camer',frame)
if waitKey(1000/12)&0xff==ord('q'):
break
videocap.release()
destroyAllWindows()
if __name__=='__main__':
generate()
过程：人脸检测，裁剪灰度帧的区域，将其大小调整为200x200像素，保存在指定的文件夹中，文件的后缀名为.pgm。需要一个count对图像进行编号。
待续。。。