面部识别技术近年来取得了飞速的进步，被广泛应用于各种领域。以下是一些应用实例：
本教程将教如何轻松创建自己的视频面部识别应用程序。将使用Python中的OpenCV库。在几分钟内，将获得开始面部识别所需的一切。将直接进入两个重要部分，并提供一个链接到详细解释将使用的算法理论的文章。
OpenCV算法使用Haar级联过滤器进行检测。它包含了代码所需的所有参数，以识别面部或其部分。可以在文章末尾提供的链接中阅读有关面部检测理论的更多信息。首先，复制以下级联并将其作为XML粘贴到与脚本相同的文件夹中：
<文件夹与脚本和Haar级联XML文件>
面部
眼睛
让开始编码，导入库和XML文件。
import cv2
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')
现在，将创建一个函数，该函数将访问相机并寻找面部。在找到面部后，它将在面部内寻找眼睛。这将节省大量处理时间，避免在整个帧中寻找眼睛。将在下面展示完整的函数，并提供每个步骤的解释。
def detect(gray, frame)
# 大多数时候，处理图像和机器学习时，使用灰度图像可以减少数据量并提高代码效率。这里将这样做。
# 这个函数将读取两个参数，gray和frame，其中gray是来自相机的最后一个帧的灰度版本，
# frame是来自相机的最后一个帧的原始版本。
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# MultiScale检测输入图像中不同大小的物体，并返回定位在面部上的矩形。第一个参数是图像，
# 第二个是scalefactor（每次图像缩放时图像大小减少的量），第三个是minNeighbors（每个矩形应
# 该有多少邻居）。1.3和5的值是基于实验选择的最佳值。
for (x, y, w, h) in faces:
# 将循环遍历每个矩形（每个检测到的面部）及其由上述函数生成的坐标。
cv2.rectangle(frame, (x,y), (x+w, y+h), (255, 0, 0), 2)
# 在相机捕获的原始图像中绘制矩形（最后一帧）。(255,0,0)是RGB颜色中的帧颜色。
# 最后一个参数（2）是矩形的厚度。
# x是水平初始位置，w是宽度，y是垂直初始位置，h是高度。
roi_gray = gray[y:y+h, x:x+w]
# 这里将roi_gray设置为兴趣区域。那是将寻找眼睛的地方。
roi_color = frame[y:y+h, x:x+w]
# 在原始帧中获取兴趣区域（彩色的，不是黑白的）。
# 现在，应用相同的概念来寻找眼睛。不同的是，不会在整个图像中寻找。
# 将使用兴趣区域（roi_gray和roi_color），然后在frame中绘制眼睛的矩形。
eyes = eye_cascade.detectMultiScale(roi_gray, 1.1, 18)
for (ex, ey, ew, eh) in eyes:
cv2.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
return frame
现在将访问相机并使用刚刚创建的函数。代码将不断从相机获取快照，并应用detect()函数来检测面部和眼睛并绘制矩形。将向展示整个代码块，然后再次逐步解释它。
video_capture = cv2.VideoCapture(0)
while True:
_, frame = video_capture.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
canvas = detect(gray, frame)
cv2.imshow('Video', canvas)
if cv2.waitKey(1) & 0xFF == ord('q') :
break
video_capture = cv2.VideoCapture(0)
# 这里正在访问相机。当参数为0时，正在访问计算机的内部相机。
# 当参数为1时，正在访问连接到计算机的外部相机。
while True:
# 只要相机打开（直到使用将定义的键关闭它），就会继续运行detect函数。
_, frame = video_capture.read()
# read()函数将返回2个对象，但只对最新的一个感兴趣，即相机的最后一帧。
# 因此，忽略了第一个对象_，并命名第二个对象为frame，将在稍后使用它来
# 喂养detect函数。
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 刚刚从上面的函数中读取了帧，并将其转换为灰度。将其命名为gray，
# 也将使用它来喂养detect函数。
canvas = detect(gray, frame)
# Canvas将是工作用的图像。
cv2.imshow('Video', canvas)
# imshow()在窗口中显示图像。因此，将看到相机（'Video'）并应用canvas（detect()函数）
# 在新窗口中。
if cv2.waiKey(1) & 0xFF == ord('q') : break
# 这段代码将在按下键盘上的q时停止程序。
现在，只需要在停止程序时关闭相机并关闭窗口。使用以下语法：
video_capture.release() # 关闭相机
cv2.destroyAllWindows() # 关闭窗口
就是这样。已经准备好检测面部和眼睛了。检查下面的完整代码。
import cv2
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')
def detect(gray, frame) :
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x, y, w, h) in faces:
cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
roi_gray = gray[y:y+h, x:x+w]
roi_color = frame[y:y+h, x:x+w]
eyes = eye_cascade.detectMultiScale(roi_gray, 1.1, 18)
for (ex, ey, ew, eh) in eyes:
cv2.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
return frame
video_capture = cv2.VideoCapture(0)
while True:
_, frame = video_capture.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
canvas = detect(gray, frame)
cv2.imshow('Video', canvas)
if cv2.waitKey(1) & 0xFF == ord('q') :
break
video_capture.release() # 关闭相机
cv2.destroyAllWindows() # 关闭窗口
现在一起运行所有内容，一个新窗口将弹出。
幸福检测！！让在程序中添加几行代码，以便可以检测某人何时微笑。首先，复制Haar级联用于微笑，并如下读取XML文件（在读取面部和眼睛的XML文件后，即在代码的开头写入）：
smile_cascade = cv2.CascadeClassifier('haarcascade_smile.xml')
当检测到面部时，得到要寻找眼睛的兴趣区域，对吧？在寻找眼睛之后，让也寻找微笑。微笑的代码将放在detect()函数内的return frame之前。参数遵循为面部和眼睛看到的相同概念，它们是基于实验选择的最佳值。
smiles = smile_cascade.detectMultiScale(roi_gray, 1.1, 22)
for (sx, sy, sw, sh) in smiles:
cv2.rectangle(roi_color, (sx, sy), (sx+sw, sy+sh), (0, 0, 255), 2)
# 库
import cv2
# Haar级联
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')
smile_cascade = cv2.CascadeClassifier('haarcascade_smile.xml')
# 检测函数
def detect(gray, frame) :
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x, y, w, h) in faces:
cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
roi_gray = gray[y:y+h, x:x+w]
roi_color = frame[y:y+h, x:x+w]
eyes = eye_cascade.detectMultiScale(roi_gray, 1.1, 18)
for (ex, ey, ew, eh) in eyes:
cv2.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
smiles = smile_cascade.detectMultiScale(roi_gray, 1.1, 22)
for (sx, sy, sw, sh) in smiles:
cv2.rectangle(roi_color, (sx, sy), (sx+sw, sy+sh), (0, 0, 255), 2)
return frame
# 访问相机并应用detect()函数
video_capture = cv2.VideoCapture(0)
while True:
_, frame = video_capture.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
canvas = detect(gray, frame)
cv2.imshow('Video', canvas)
if cv2.waitKey(1) & 0xFF == ord('q') :
break
# 关闭一切
video_capture.release() # 关闭相机
cv2.destroyAllWindows() # 关闭窗口