这期内容当中小编将会给大家带来有关如何在python中使用OpenCV检测人脸，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。
为曲松等地区用户提供了全套网页设计制作服务，及曲松网站建设行业解决方案。主营业务为做网站、成都网站设计、曲松网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！
1、简单易用，与C/C++、Java、C# 等传统语言相比，Python对代码格式的要求没有那么严格；2、Python属于开源的，所有人都可以看到源代码，并且可以被移植在许多平台上使用；3、Python面向对象，能够支持面向过程编程,也支持面向对象编程；4、Python是一种解释性语言，Python写的程序不需要编译成二进制代码，可以直接从源代码运行程序；5、Python功能强大，拥有的模块众多，基本能够实现所有的常见功能。
人脸识别模块特征
1、是用一系列分好类的图像来“训练”程序，并基于这些图像来进行识别。这就是OpenCV 及其人脸识别模块进行人脸识别的过程。
2、每个识别都具有转置信（confidence）评分，因此可在实际应用中通过对其设置阈值来进行筛选。
人脸识别两种方式
1、自己获得图像或从人脸数据库免费获得可用的人脸图像。
2、互联网上有许多人脸数据库：为了对这些样本进行人脸识别，必须要在包含人脸的样本图像上进行人脸识别。这是一 个学习的过程，但并不像自己提供的图像那样令人满意。
python中OpenCV的人脸检测功能操作实例
import os
import cv2
from PIL import Image
import numpy as np
def getImageAndLabels(path):
facesSamples = []
ids = []
imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
# 检测人脸
# 加载特征数据
face_detector = cv2.CascadeClassifier(
'D:/Python/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
# 参数： scaleFactor(比例因子)：图片缩放多少，minNeighbors:至少检测多少次，minSize maxSize:当前检测区域的最大最小面积
# scaleFactor=1.01, minNeighbors=3, maxSize=(33, 33), minSize=(28, 28)
# 遍历列表中的图片
for imagePath in imagePaths:
# 打开当前图片
PIL_img = Image.open(imagePath).convert('L')
# 将图片转化为数组
img_numpy = np.array(PIL_img, 'uint8')
faces = face_detector.detectMultiScale(img_numpy)
# 获取每张图片的id
id = int(os.path.split(imagePath)[1].split('.')[0])
# 获取人脸区域
for x, y, w, h in faces:
# 进行切片处理,获取图像数组和id
facesSamples.append(img_numpy[y:y+h, x:x+w])
ids.append(id)
return facesSamples, ids
if __name__ == '__main__':
# 图片路径
path = './data/jm/'
# 获取图像数组和id标签数组
faces, ids = getImageAndLabels(path)
# 获取循环对象
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.train(faces, np.array(ids))
# 保存文件
recognizer.write('trainer/trainer.yml')上述就是小编为大家分享的如何在python中使用OpenCV检测人脸了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。
