写在前面
python代码很简短，不像C++等要写几百行代码，但其实你调用的模块，底层都是用C/C++写的
如果imshow出现qt.qpa.plugin: Could not find the Qt platform plugin “cocoa” in “”的报错，请看：Stackoverflow解决方案
请提前安装好opencv-python库
由于历史原因opencv-python库使用时只能叫cv2
人脸检测效果图
python完整代码
识别静态图片
# 导入opencv-python库
import cv2
picName = input("请输入你要识别人类的图片名称(如:pi
【人脸识别】技术是一种基于人的生物特征进行身份识别的计算机技术，广泛应用于安全、监控、门禁等领域。在本文中，我们将使用Python实现一个简单的人脸检测程序，利用OpenCV库来快速有效地完成这一任务。
确保你已经安装了`opencv-python`库，这是Python中的一个图像处理库，其底层实现是用C/C++编写的，提供了丰富的图像处理和计算机视觉功能。如果在运行过程中遇到`qt.qpa.plugin: Could not find the Qt platform plugin "cocoa" in ""`的错误，可以通过查阅Stack Overflow上的解决方案来解决。
在Python中，我们主要使用`cv2`模块来进行人脸检测。下面是一个完整的Python代码示例，用于识别静态图片中的人脸：
```python
import cv2
picName = input("请输入你要识别人类的图片名称(如:pic1.jpg): ")
img = cv2.imread(picName, 1) # 1表示以彩色的方式读入图片
# 导入预训练的人脸级联分类器
face_engine = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
# 使用分类器检测人脸
faces = face_engine.detectMultiScale(img, scaleFactor=1.2, minNeighbors=7)
for (x, y, w, h) in faces:
# 在图片上绘制人脸边界框
img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
# 显示结果并保存图片
print("正在展示识别后的效果图(在窗口内按q退出)")
while True:
cv2.imshow('img', img)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cv2.destroyAllWindows()
cv2.imwrite('output.jpg', img)
```
这段代码首先导入`cv2`库，并要求用户输入待检测的图片名称。接着，使用`cv2.imread()`函数读取图片，并通过`cv2.CascadeClassifier()`加载预训练的人脸级联分类器模型。`detectMultiScale()`方法用于在图片中检测人脸，返回的是人脸的坐标列表。然后，我们遍历这些坐标，用`cv2.rectangle()`在图片上画出人脸框。显示结果并保存到`output.jpg`。
除了识别静态图片，我们还可以扩展此代码来实时检测摄像头中的人脸。下面的代码展示了如何开启摄像头并实时检测动态人脸：
```python
import cv2
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml')
smile_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_smile.xml')
# 打开摄像头
cap = cv2.VideoCapture(0)
while (True):
# 获取摄像头帧
ret, frame = cap.read()
# 检测人脸
faces = face_cascade.detectMultiScale(frame, 1.3, 2)
for (x, y, w, h) in faces:
# 绘制人脸框
cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
# 在人脸区域检测眼睛和笑容
face_area = frame[y:y+h, x:x+w]
eyes = eye_cascade.detectMultiScale(face_area, 1.3, 10)
smiles = smile_cascade.detectMultiScale(face_area, ...)
# ... 对眼睛和笑容进行类似处理 ...
# 显示结果
cv2.imshow('frame', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
```
这个扩展版代码同样使用`cv2.VideoCapture(0)`打开摄像头，获取每一帧图像，并在每一帧中检测人脸、眼睛和笑容。这展示了OpenCV的强大之处，不仅可以检测基本的人脸，还能进一步识别其他面部特征。
Python结合OpenCV库提供了一种简洁且高效的方法来实现人脸识别和检测。无论是静态图片还是动态视频流，都能轻松处理，为各种应用场景提供了便利。
