下午的時候，配好了OpenCV的Python環境，OpenCV的Python環境搭建。于是迫不及待的想體驗一下opencv的人臉識別，如下文。

必備知識

Haar-like

通俗的來講，就是作為人臉特征即可。

Haar特征值反映了圖像的灰度變化情況。例如：臉部的一些特征能由矩形特征簡單的描述，如：眼睛要比臉頰顏色要深，鼻梁兩側比鼻梁顏色要深，嘴巴比周圍顏色要深等。

opencv api

要想使用opencv，就必須先知道其能干什么，怎么做。于是API的重要性便體現出來了。就本例而言，使用到的函數很少，也就普通的讀取圖片，灰度轉換，顯示圖像，簡單的編輯圖像罷了。

如下：

讀取圖片

只需要給出待操作的圖片的路徑即可。

import cv2image = cv2.imread(imagepath)

灰度轉換

灰度轉換的作用就是：轉換成灰度的圖片的計算強度得以降低。

import cv2gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

畫圖

opencv 的強大之處的一個體現就是其可以對圖片進行任意編輯，處理。

下面的這個函數最后一個參數指定的就是畫筆的大小。

import cv2cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)

顯示圖像

編輯完的圖像要么直接的被顯示出來，要么就保存到物理的存儲介質。

import cv2cv2.imshow("Image Title",image)

獲取人臉識別訓練數據

看似復雜，其實就是對于人臉特征的一些描述，這樣opencv在讀取完數據后很據訓練中的樣品數據，就可以感知讀取到的圖片上的特征，進而對圖片進行人臉識別。

import cv2face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')

里賣弄的這個xml文件，就是opencv在GitHub上共享出來的具有普適的訓練好的數據。我們可以直接的拿來使用。

訓練數據參考地址：

https://github.com/opencv/opencv/tree/master/data/haarcascades

探測人臉

說白了，就是根據訓練的數據來對新圖片進行識別的過程。

import cv2# 探測圖片中的人臉faces = face_cascade.detectMultiScale(  gray,  scaleFactor = 1.15,  minNeighbors = 5,  minSize = (5,5),  flags = cv2.cv.CV_HAAR_SCALE_IMAGE)

我們可以隨意的指定里面參數的值，來達到不同精度下的識別。返回值就是opencv對圖片的探測結果的體現。

處理人臉探測的結果

結束了剛才的人臉探測，我們就可以拿到返回值來做進一步的處理了。但這也不是說會多么的復雜，無非添加點特征值罷了。

import cv2print "發現{0}個人臉!".format(len(faces))for(x,y,w,h) in faces:  cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)