基于opencv的人脸检测学习（一）

一、人脸检测分类

人脸检测是指检测并定位到指定图像中的人脸，并且返回高精度的人脸框坐标。
目前的人脸检测方法大致可分为两类：基于知识和基于统计
基于知识的方法
将人脸看作器官特征的组合，根据面部器官的特征和几何位置关系来检测人脸。例如模板匹配、人脸特征、形状与边缘、纹理特征、颜色特征等方法。
基于统计的方法
将人脸看作二维像素的矩阵，通过大量的人脸图像样本来构造人脸模式空间，根据相似度来判断人脸是否存在。例如神经网络、支持向量机、主成分分析、隐马尔可夫模型、Adaboost算法等。

二、OpenCV简介

OpenCV是一个开源的跨平台视觉库，在Linux、Windows、Android和Mas OS 等多个操作系统上都能运行，可实现计算机视觉和图像处理等功能。它本身使用C++语言编写，主要接口也是C++，但它也同时提供了python、Ruby、MATLAB等语言的接口.

三、OpenCV人脸检测

opencv在人脸检测上使用的是Haar特征的级联表，Haar分类器算法要点如下：
（1）使用Haar-like特征做检测
（2）使用积分图对Haar-like特征求值进行加速
（3）使用Adaboost算法训练区分人脸和非人脸的强分类器
（4）使用筛选式级联把强分类器级联到一起，提高准确率

人脸的Haar特征分类器是一个XML文件，该文件中会描述人脸的Haar特征值，也可以单独描述眼睛、嘴唇或是其他物体

检测步骤

（1）读入图片
（2）将彩色图片灰度
（3）进行灰度图直方图均衡化操作
（4）检测人脸

四、安装opencv-python

直接在终端输入pip3 install opencv-python

五、cv2库

1、cv2.imread(filepath,flags) //读入一张图片
2、cv2.imshow(wname,img)
//显示图像，但只写这一句图像只会一闪而过，wname指显示图像的窗口的名字，img指要显示的图像
3、imwrite(file ,img,num)
//保存一个图像，参数一是保存图像的新文件名，参数二是要保存的图像，参数三是压缩级别，默认为3.
4、cv2.cvtColor() //图像颜色空间转换
cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) //将图片进行灰度化
5、cv2.resize(image,image2,dsize) //更改图像的尺寸
6、cv2.flip(img,flipcode) //图像反转
flipcode = 0:沿着x轴翻转；flipcode > 0:沿着y轴翻转；flipcode < o:x,y同时翻转
7.cv2.warpAffine(img,M,(,)) //图像仿射变换
8、cv2.putText(img,‘text’,(,)) //图像添加文字。要添加的图像，添加的文字，左上角坐标，字体大小，颜色，字体粗细
9.cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2) //画矩形。选定的图像，矩形的左上角坐标，矩形的右下角坐标

简单实例

1、在pycharm中读入一张图片

2、将图片进行灰度
3、在所选定的图像上绘制图形
4.更改图像的尺寸