以前用Matlab写神经网络的面部眼镜识别算法，研究算法逻辑，采集大量训练数据，迭代，计算各感知器的系数。。。相当之麻烦~而现在运用调用pythonOpenCV库Adaboost算法，无需知道算法逻辑，无需进行模型训练，人脸识别变得相当之简单了。
需要用到的库是opencv(open source computer vision)，下载安装方式请参照python_OpenCV安装
首先讲讲需要用到的新函数：
CascadeClassifier()函数,导入分类器
cv2.CascadeClassifier('xxxxx.xml')
#haarcascade_frontalface_alt.xml脸部识别文件
#haarcascade_eye.xml眼部识别文件
- 函数的参数是xml完整路径(具体看你的opencv安装在哪里的，在opencv\sources\data\haarcascades下面)，xml文件中是封装好的算法
detectMultiScale()函数，进行识别
detectMultiScale(image,scaleFactor,minNeighbors,flags,minSize,maxSize)
- 最终返回值为识别出的矩阵框[x, y, w, h]，(x,y)左上角起始坐标，w宽，h高
- image:用于检测的图像
- scaleFactor:前后两次相继的扫描中，搜索窗口的比例系数.例如1.1指将搜索窗口依次扩大10%。图片小的时候，比例系数尽量小能提高准确率
- minNeighbors:构成检测目标的相邻矩形的最小个数。一般使用2or3，为0时返回所有的被检候选矩形框。
rectangle()函数，在图片上画矩阵
cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,0),2)
- image是原始图片
- (x,y)是矩形左上角
- (x+w,y+h)是矩形右下角
- (0,255,0)是矩形的BGR颜色, 为红色
- 2, 是绘制矩形的线宽
程序逻辑：
导入Haar级联分类器算法，读入要处理图片，将图片变成时候的大小，用detectMultiScale()函数先识别出人脸，在原图上框出，然后提取出识别出的人脸矩形框，在人脸矩形框内识别出眼睛，在原图上框出，展示出识别完的图像。
完整程序及注解：
import cv2
face_cascade = cv2.CascadeClassifier('D:\opencv\sources\data\haarcascades/haarcascade_frontalface_alt.xml')
eye_cascade = cv2.CascadeClassifier('D:\opencv\sources\data\haarcascades/haarcascade_eye.xml')
img1 = cv2.imread('face1.png')
img = cv2.resize(img1,(240,320),interpolation=cv2.INTER_LINEAR)
faces = face_cascade.detectMultiScale(img,1.2,2)
for (x,y,w,h) in faces:
cv2.rectangle(img,(x,y),(x+w,x+h),(255,0,0),2)#用颜色为BGR（255,0,0）粗度为2的线条在img画出识别出的矩型
face_re = img[y:y+h,x:x+w]#抽取出框出的脸部部分，注意顺序y在前
eyes = eye_cascade.detectMultiScale(face_re)#在框出的脸部部分识别眼睛
for (ex,ey,ew,eh) in eyes:
cv2.rectangle(face_re,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
cv2.imshow('img',img)
key = cv2.waitKey(0)
if key==27:
cv2.destoryWindow('img')
最后po个自己的照骗，展示一下最终的识别效果：
1--识别前
1——识别后
2——识别前
2——识别后
问题：
1.斜的脸识别率不高
2.大小不同的图片识别率不同，所有最好把图片处理成差不多大小的图片
3.眼部有遮挡物时，眼睛识别率底，比如：有眼睛，有头发
希望有能解决上面问题的朋友能够交流一下~