import sys
import importlib
import cv2

#注意python2中，直接調(diào)用reload(sys)，但python3中要import importlib
importlib.reload(sys)

# 獲取訓(xùn)練好的人臉的參數(shù)數(shù)據(jù)，這里直接從GitHub上使用默認(rèn)值,注意該xml文檔要放在執(zhí)行目錄下
face_cascade = cv2.CascadeClassifier('./haarcascades/haarcascade_frontalface_default.xml')

# 讀取圖片
image = cv2.imread('face1.jpg')

#把圖像轉(zhuǎn)為灰度圖，查了一下原因，是這么說(shuō)的：
# 減少數(shù)據(jù)量(比如RGB模式，可以減少到原圖片的1/3)，同時(shí)可 以去掉一些噪聲信號(hào)。
# 先將圖片轉(zhuǎn)化為灰度圖，然后將這個(gè)灰度圖的對(duì)比度增高，這樣可以使得圖片本來(lái)暗的地方更暗，亮的地方更亮一些。
# 這樣處理以后，圖片就 更容易被算法設(shè)別出來(lái)了。
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 分類器探測(cè)圖片中的人臉
faces = face_cascade.detectMultiScale(
        image,
        scaleFactor=1.15,
        minNeighbors=5,
        minSize=(5, 5),
        flags=cv2.IMREAD_GRAYSCALE)

print ("發(fā)現(xiàn){0}個(gè)人臉!".format(len(faces)))

#faces中的四個(gè)量分別為左上角的橫坐標(biāo)、縱坐標(biāo)、寬度、長(zhǎng)度
for x, y, w, h in faces:
    img = cv2.rectangle(image,(x,y),(x+w,y+h),(255,0,0),2)
    cv2.circle(image, ((x + x + w) // 2, (y + y + h) // 2),(w // 2), (0, 255, 0),2)
    print(x,y,w,h)

cv2.imshow("Find Faces!", image)
cv2.waitKey(0)


            
          

下載.xml文件地址：https://blog.csdn.net/AinUser/article/details/100730262