最近发现其实有许多有意思的小项目，代码少，可是却可以非常简略高效的完结一些独立的功用。

这种小项目，对于新手朋友们练手或许了解一个业务很有帮助，所以后面我会收集或许编写一些简略有用的实战小项目代码，连续发一下，感兴趣的小伙伴欢迎体会。

今天就从一个使用 OpenCV 快速完结人脸的检测开始。

信任咱们对人脸辨认早已不陌生了，比方去公司时会刷脸进门，支付宝有刷脸支付等等。

大部分情况下，人脸辨认可以通过剖析人脸的特征点，比方眼睛、鼻子、嘴巴的位置和巨细，以及这些特征之间的相对关系，来完结一个人脸和对应个人身份的验证。

当然这种验证进程触及许多技术和知识点，比方特征点提取、模式辨认、机器学习等等，真正做起来也很杂乱。

今天，咱们不做这么杂乱的东西，只是几行用简略的代码，带咱们体会一下人脸检测的进程。

1. 预备

需求说明的是，接下来并不是做人脸的身份验证，而是做一个人脸的画框检测。

代码开发环境为 python。

即便你是个小白，依照下面的方法，也可以很简略的复现出来，感兴趣的话试着玩一玩吧。

预备一张你想要辨认的人脸的图片，比方我从网上下载的一张图片。

小白练手项目之人脸辨认检测

2. 代码实战

使用 OpenCV 库实现一个人脸辨认很简略，因为 OpenCV 供给了相关的接口，咱们直接调用即可。

在调用之前，需求下载一个人脸检测分类器的文件(haarcascade_frontalface_default.xml)。

整个实战的具体代码如下，我对每一步都添加了注释，可以具体阅览一下。

import cv2
# 导入 OpenCV 库
#人脸检测分类器的本地文件途径
local_file_path = "./haarcascade_frontalface_default.xml"
#加载人脸检测分类器
#CascadeClassifier 是用于加载训练好的 Haar 特征分类器的类
face_cascade = cv2.CascadeClassifier(local_file_path)
#读取图画
#'face.jpeg' 是需求进行人脸检测的图画文件的途径
img = cv2.imread("./face.jpeg")
#将五颜六色图画转换为灰度图画
#灰度图画减少计算杂乱性，提高检测功率
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#使用分类器进行人脸检测
#detectMultiScale 函数可以检测图画中的多个人脸
#参数 scaleFactor、minNeighbors、minSize 用于操控检测的精度和成果
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, 
                                      minNeighbors=5, minSize=(30, 30))
#在原图画上制作人脸框
for x, y, w, h in faces: #使用矩形框标记检测到的人脸
    #cv2.rectangle 用于在图画上制作矩形框
    #(255, 0, 0) 是框的颜色（蓝色），2 是框的厚度
    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
#处理后的图画保存途径
processed_img = "./processed_image.jpg"
#保存处理后的图画
cv2.imwrite(processed_img, img)
print("succ dump processed img to:", processed_img)

上述代码运行之后，会将图片中的人脸部分检测出来，而且用矩形框框出来。

同时将处理的图片保存到本地，命名为 processed_image.jpg，辨认出来的图片如下：

小白练手项目之人脸辨认检测

具体的代码和人脸分类器文件，重视公众号：董董灿是个攻城狮，后台回复【人脸0】即可获取。