本文實例講述了Python基于OpenCV庫Adaboost實現人臉識別功能。分享給大家供大家參考，具體如下：

以前用Matlab寫神經網絡的面部眼鏡識別算法，研究算法邏輯，采集大量訓練數據，迭代，計算各感知器的系數。。。相當之麻煩~而現在運用調用pythonOpenCV庫Adaboost算法，無需知道算法邏輯，無需進行模型訓練，人臉識別變得相當之簡單了。
需要用到的庫是opencv(open source computer vision)，下載安裝方式如下：

使用pip install numpy語句安裝numpy

（如果出現錯誤：Microsoft Visual C++ 9.0 is required <unable to find vcvarsall.bat>，使用管理員身份安裝 Microsoft Visual C++ 9.0，重新啟動計算機，再使用使用pip install numpy語句安裝numpy

opencv2.4.10下載

下載之后解壓(隨便解壓到哪里)，將解壓目錄opencv文件夾中，build->python->2.7->x86下的文件cv2.pyd 復制到python2.7/Lib/site-packages 中

測試是否安裝成功，執行解壓目錄下的sources/samples/python/drawing.py或者進入python環境，使用import cv2

首先講講需要用到的新函數：

CascadeClassifier()函數,導入分類器

cv2.CascadeClassifier('xxxxx.xml')#haarcascade_frontalface_alt.xml臉部識別文件#haarcascade_eye.xml眼部識別文件

函數的參數是xml完整路徑(具體看你的opencv安裝在哪里的，在opencv/sources/data/haarcascades下面)，xml文件中是封裝好的算法

detectMultiScale()函數，進行識別

detectMultiScale(image,scaleFactor,minNeighbors,flags,minSize,maxSize)

rectangle()函數，在圖片上畫矩陣

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

程序邏輯：

導入Haar級聯分類器算法，讀入要處理圖片，將圖片變成時候的大小，用detectMultiScale()函數先識別出人臉，在原圖上框出，然后提取出識別出的人臉矩形框，在人臉矩形框內識別出眼睛，在原圖上框出，展示出識別完的圖像。

完整程序及注解：

import cv2face_cascade = cv2.CascadeClassifier('D:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt.xml')eye_cascade = cv2.CascadeClassifier('D:/opencv/sources/data/haarcascades/haarcascade_eye.xml')img1 = cv2.imread('face1.png')img = cv2.resize(img1,(240,320),interpolation=cv2.INTER_LINEAR)faces = face_cascade.detectMultiScale(img,1.2,2)for (x,y,w,h) in faces:  cv2.rectangle(img,(x,y),(x+w,x+h),(255,0,0),2)#用顏色為BGR（255,0,0）粗度為2的線條在img畫出識別出的矩型  face_re = img[y:y+h,x:x+w]#抽取出框出的臉部部分，注意順序y在前  eyes = eye_cascade.detectMultiScale(face_re)#在框出的臉部部分識別眼睛  for (ex,ey,ew,eh) in eyes:    cv2.rectangle(face_re,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)cv2.imshow('img',img)key = cv2.waitKey(0)if key==27:  cv2.destoryWindow('img')