干货分享：使用Python进行实时人脸检测（附完整代码）
需要全部代码请点赞关注收藏后评论区留言私信~~~
本文介绍一个简易的项目，我们将使用OpenCV和Python实现实时人脸检测，我们将研究 OpenCV 中的 Haar 级联分类器（Haar Cascade Classifier）算法， Haar 级联分类器是一种流行的目标检测算法。
1.Harr分类器
Haar-like特征最早是由Papageorgiou等人用于物体检测的数字图像特征，而Viola和Jones在此基础上，使用3种类型4种形式的特征：
Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。
这类矩形特征模板由两个或多个全等的黑白矩形相邻组合而成，而矩形特征值是白色矩形的灰度值的和减去黑色矩形的灰度值的和，矩形特征对一些简单的图形结构，如线段、边缘比较敏感。如果把这样的矩形放在一个非人脸区域，那么计算出的特征值应该和人脸特征值不一样，所以这些矩形就是为了把人脸特征量化，以区分人脸和非人脸。
以Haar特征分类器为基础的对象检测技术是一种非常有效的对象检测技术，但其实并不新颖，不过因为技术成熟好用这里依然采用这一方法。它是基于机器学习的，使用大量的正负样本训练得到分类器。其实就是基于对人脸特征的描述，分类器根据训练的样品数据进行训练，完成后即可感知读取到的图片上的特征，进而对图片进行人脸识别。
OpenCV已在GitHub训练结果网址（https://github.com/opencv/opencv/tree/master/data/haarcascades）上分享了其训练好的结果数据，分类器普适性较好可满足一般人脸检测的需要，调用的代码如下：
import cv2
face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')如果安装好了OpenCV，它的依赖库中OpenCV 提供了关于 Haar 特征和级联分类器的预训练模型，可以在以下位置找到必要的 XML 文件：
/home/
/.local/lib/ /site-packages/cv2/data/
以上Ubuntu的位置，Windows下的情况同样在Python环境的site-package目录下，下面我们看看如何使用这些预训练的 Haar 级联模型来检测人脸。
2.检测步骤实现
首先，创建一个 python 文件 face_detection.py 并粘贴以下代码：
（1）导入包：
import cv2
import os
（2）初始化haar分类器：
cascPath=os.path.dirname(cv2.__file__)+"/data/haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascPath)（3）对相机的画面帧应用人脸haar检测器：
video_capture = cv2.VideoCapture(0)
while True:
# Capture frame-by-frame
ret, frames = video_capture.read()
gray = cv2.cvtColor(frames, cv2.COLOR_BGR2GRAY)
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.1,
minNeighbors=5,
minSize=(30, 30),
flags=cv2.CASCADE_SCALE_IMAGE
)
# Draw a rectangle around the faces
for (x, y, w, h) in faces:
cv2.rectangle(frames, (x, y), (x+w, y+h), (0, 255, 0), 2)
# Display the resulting frame
cv2.imshow('Video', frames)
if cv2.waitKey(1) & 0xFF == ord('q'):
break（4）释放画面：
video_capture.release()
cv2.destroyAllWindows()（5）运行程序：
python3 face_detection.py在画面中可以看到网络摄像头画面帧中检测出的人脸边界框，要停止网络摄像头获取画面，可按“q”键结束。
Haar级联分类器是一个基础的人脸检测模型，它的检测速度快、精度较高，能够满足常见的人脸检测任务，当然如果想获得高精度的人脸检测可以使用faceNet模型。如何利用检测出的人脸区域进行人脸识别匹配详见CSDN。