一. 实现指定图像的人脸识别

注意：

以下实例参考《OpenCV轻松入门面向Python》李立宗著，使用python语言，编辑器为PyCharm，且都运行成功。
1.dface3.jpg图片文件和当前代码放在同一级目录下。
2.级联分类器文件和当前代码文件放在同一目录下。
3.获取级联分类器方式：
1）安装opencv后，在其安装目录下的data文件夹内查找xml文件。
2）直接在网络上找到相应的XML文件，下载并使用。
访问opencv官网： https://opencv.org/ ，点进Github，在data目录下haarcascade文件夹下寻找需要的级联分类器。
代码如下：

import cv2
#读取待检测的图像
image=cv2.imread('dface3.jpg')
#加载了一个训练好的人脸检测器（xml文件，包含了用于人脸检测的哈尔特征级联分类器）
faceCascade=cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')
#将图像转换成灰度图像
gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
#调用detectMultiScale()函数在灰度图像上检测人脸，函数会返回一个列表，每个表示一个检测到的人脸
faces=faceCascade.detectMultiScale(
    gray,
    scaleFactor=1.15,
    minNeighbors=5,
    minSize=(5,5)
)
print(faces)
print("发现{0}个人脸！".format(len(faces)))
#在原始图像上绘制矩形框，框出检测到的人脸
for(x,y,w,h) in faces:
    cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)
cv2.imshow("tect",image)
cv2.imwrite("re.jpg",image)
cv2.waitKey(0)
cv2.destroyAllWindows()

detectMultiScale():

是一个用于检测目标的函数，其中包含了以下几个参数：

参数1（image）：需要进行检测的输入图像，通常是灰度图像。

参数2（scaleFactor）：在每个图像尺度上进行尺度变换时的缩放比例。这个参数用于多尺度检测，允许算法检测不同尺寸的目标。例如，如果设置为 1.1，意味着算法会逐渐缩小图像的尺寸进行检测。

参数3（minNeighbors）：每个候选矩形应该保留的邻近数。这个参数可以帮助去除一些虚假的检测结果。较大的值会导致更少的检测框，但是这些检测框更可能是真实的目标。

参数4（minSize）：目标的最小尺寸。只有大于等于这个尺寸的目标才会被检测到。这个参数可以用于排除一些小目标，以减少虚假检测。

参数5（flags）：它是一个可选的参数，用于调整算法的行为。通常情况下，我们可以使用默认值0。

返回值：这个函数返回一个矩形列表，表示检测到的目标的位置和大小。通常情况下，每个矩形都是一个四元组 (x, y, width, height)，分别表示目标左上角的坐标以及目标的宽度和高度。

cv2.rectangle()

是 OpenCV 库中用于在图像上绘制矩形的函数,其中包含几个参数：
image：需要绘制矩形的图像，通常是一个 NumPy 数组表示的图像对象。

pt1：矩形的左上角坐标，是一个元组 (x1, y1)，其中 x1 是矩形左上角的横坐标，y1 是矩形左上角的纵坐标。

pt2：矩形的右下角坐标，也是一个元组 (x2, y2)，其中 x2 是矩形右下角的横坐标，y2 是矩形右下角的纵坐标。(x+w, y+h) 是矩形框的右下角坐标，x+w 表示矩形右边界的横坐标，y+h 表示矩形底边界的纵坐标。

color：矩形的颜色，通常以 BGR 格式表示，即一个包含三个整数值的元组 (B, G, R)，其中 B、G、R 分别代表蓝色、绿色、红色的通道值。(0, 255, 0) 表示纯绿色。

thickness：矩形的线条宽度，以像素为单位。如果指定为负值，表示填充整个矩形区域。默认为1。

lineType：线条类型，默认为8连接线。你可以选择不同的线条类型，如8连接、4连接等。

shift：偏移量，默认为0。这个参数通常不需要指定，除非你需要对图像进行一些特殊处理。

二. 捕获摄像头视频

opencv通过从cv2.VideoCapture提供了非常方便的捕获摄像头视频的方法。
代码如下：

import cv2
#从指定的设备中获取视频流
cap=cv2.VideoCapture(0)
while(cap.isOpened()):
    ret, frame = cap.read()
    cv2.imshow('frame',frame)
    c = cv2.waitKey(1)
    if c == 27:
        break
cap.release()
cv2.destroyAllWindows()

cv2.VideoCapture()

参数为 0，代表使用默认的摄像头设备（通常是计算机上内置的摄像头），如果你有多个摄像头，可以通过不同的参数值来选择不同的摄像头。例如，cv2.VideoCapture(1) 表示选择第二个摄像头。也可以传入视频文件的路径作为参数，以便从文件中读取视频流。

三.实现视频人脸识别

代码如下：

import cv2
import numpy as np
#创建了一个VideoCapture对象cap用于捕获视频，0表示打开默认的摄像头
cap=cv2.VideoCapture(0)
#加载人脸识别检测器
faceCascade=cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')
#只要摄像头处于打开状态就一直运行
while(cap.isOpened()):
    #使用read方法从摄像头捕获一帧，ret是个布尔值表示是否成功读取帧，frame是捕获的视频帧
    ret,frame=cap.read()
    if ret:
        #对每个帧进行解析
        #将每一帧转换为灰度图像
        gray_image=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        faces=faceCascade.detectMultiScale(
            gray_image,
            scaleFactor=1.15,
            minNeighbors=5,
            minSize=(5,5)
        )
        #逐个标注检测到的人脸
        for(x,y,w,h) in faces:
            cv2.rectangle(frame,(x,y),(x+w,y+w),(0,255,0),2)
        cv2.imshow("detect",frame)
        #按esc键控制退出
        c=cv2.waitKey(1)
        if c==27:
            break
    else:
        break
cap.release()
cv2.destroyAllWindows()