Haar Cascade 的代码

Haar Cascade是一种用于物体检测的机器学习算法，特别适合于人脸、眼睛等特征的快速定位。在Python的OpenCV库中，可以使用预训练的Haar分类器来进行对象识别。以下是一个简单的例子，展示如何在图像上应用Haar Cascade：

import cv2
import numpy as np

# 加载预训练的HaarCascade模型
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

# 读取图像
img = cv2.imread('your_image.jpg')

# 转为灰度图像并调整大小
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
scaled_img = cv2.resize(gray, (0, 0), fx=0.5, fy=0.5)

# 检测人脸
faces = face_cascade.detectMultiScale(scaled_img, scaleFactor=1.1, minNeighbors=5)

# 在每个检测到的人脸周围画矩形
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

# 显示结果
cv2.imshow('Detected Faces', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，`detectMultiScale`函数会返回一组坐标，表示检测到的人脸位置。注意这里需要预先下载对应的人脸分类器XML文件，并指定其路径。