人工智能-OpenCV+Python实现人脸识别（人脸检测）
上期文章我们分享了TensorFlow手写数字识别的文章TensorFlow手写数字识别，本期我们简单了解一下OpenCV的人脸识别之检测篇，检测是在图片或者视频中识别出人脸
在OpenCV中使用Haar特征检测人脸，那么需要使用OpenCV提供的xml文件（级联表）在haarcascades目录下。这张级联表有一个训练好的AdaBoost训练集。首先要采用样本的Haar特征训练分类器，从而得到一个级联的AdaBoost分类器。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。
当安装好后OpenCV3，有个/haarcascades文件夹，包含了所有OpenCV的人脸检测XML文件。
haarcascade_eye.xml
haarcascade_eye_tree_eyeglasses.xml
haarcascade_frontalcatface.xml
haarcascade_frontalcatface_extended.xml
haarcascade_frontalface_alt.xml
haarcascade_frontalface_alt_tree.xml
haarcascade_frontalface_alt2.xml
haarcascade_frontalface_default.xml
haarcascade_fullbody.xml
haarcascade_lefteye_2splits.xml
haarcascade_licence_plate_rus_16stages.xml
haarcascade_lowerbody.xml
haarcascade_profileface.xml
haarcascade_righteye_2splits.xml
haarcascade_russian_plate_number.xml
haarcascade_smile.xml
haarcascade_upperbody.xml
上述xml分别是人脸不同的部位模型，我们使用如下模型来识别人脸
haarcascade_frontalface_alt.xml
本期分享一下如何使用此模型来识别图片中的人脸
import cv2 # 导入
img = cv2.imread(r'D:\foxtable\example\image\li.jpg') # 导入图片
face = cv2.CascadeClassifier(r'D:\Program Files (x86)\Anaconda3\pkgs\libopencv-3.4.1-h875b8b8_3\Library\etc\haarcascades\haarcascade_frontalface_alt.xml') # 导入人脸模型
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) # 灰度
faces = face.detectMultiScale(gray)
for (x, y, w, h) in faces: # 5个参数，一个参数图片 ，2 坐标原点，3 识别大小，4，颜色5，线宽
cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.namedWindow('powers') # 创建窗口
cv2.imshow('powers_li', img) # 显示图片
cv2.waitKey(0) # 暂停窗口
cv2.destroyWindow() # 关闭窗口
# 关闭窗口
cv2.destroyAllWindows()
使用OpenCV的自带的模型库检测人脸很容易实现，下期我们分享一下如何从视频中检测到人脸
