opencv人脸检测分类器

OpenCV是一个开源计算机视觉库，提供了许多图像处理和计算机视觉相关的函数和算法。其中，人脸检测是OpenCV库中最常用的功能之一。OpenCV提供了一个基于Haar特征的人脸检测分类器，可以通过训练得到。

Haar特征是一种基于图像的局部特征描述方法，可以用于检测物体。Haar特征可以用来描述图像中的区域，比如边缘、角、线和矩形等。人脸检测分类器基于Haar特征通过AdaBoost算法进行训练，最终得到一个可以检测人脸的分类器。

在OpenCV中，人脸检测分类器可以通过CascadeClassifier类实现。CascadeClassifier类是一个封装了Haar分类器的类，可以简单地调用该类的detectMultiScale函数实现人脸检测。detectMultiScale函数会对输入的图像进行多尺度检测，返回检测到的人脸区域的坐标。

使用OpenCV进行人脸检测的步骤如下：

1. 加载人脸检测分类器：使用CascadeClassifier类加载Haar分类器。可以使用OpenCV提供的已经训练好的分类器文件，也可以通过训练自己的分类器文件。

2. 读入图像：使用imread函数读入待检测的图像。

3. 调用detectMultiScale函数进行人脸检测：使用detectMultiScale函数对图像进行人脸检测，返回检测到的人脸区域的坐标。

4. 绘制人脸框：使用rectangle函数对检测到的人脸区域进行绘制。

5. 显示结果：使用imshow函数显示检测结果。

下面是一个简单的示例代码：

import cv2

# 加载人脸检测分类器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 读入图像
img = cv2.imread('test.jpg')

# 调用detectMultiScale函数进行人脸检测
faces = face_cascade.detectMultiScale(img, scaleFactor=1.1, minNeighbors=5)

# 绘制人脸框
for (x,y,w,h) in faces:
    cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

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

在这个例子中，我们使用了一个已经训练好的分类器文件haarcascade_frontalface_default.xml，这个文件可以在OpenCV库中的data文件夹中找到。我们读入了一张名为test.jpg的图像，然后使用detectMultiScale函数进行人脸检测，并将检测到的人脸区域用绿色框标出。最后使用imshow函数显示结果。