import sys
import importlib
import cv2

#注意python2中，直接調(diào)用reload(sys)，但python3中要import importlib
importlib.reload(sys)

# 獲取訓練好的人臉的參數(shù)數(shù)據(jù)，這里直接從GitHub上使用默認值,注意該xml文檔要放在執(zhí)行目錄下
face_cascade = cv2.CascadeClassifier('./haarcascades/haarcascade_frontalface_default.xml')

# 讀取圖片
image = cv2.imread('face1.jpg')

#把圖像轉(zhuǎn)為灰度圖，查了一下原因，是這么說的：
# 減少數(shù)據(jù)量(比如RGB模式，可以減少到原圖片的1/3)，同時可 以去掉一些噪聲信號。
# 先將圖片轉(zhuǎn)化為灰度圖，然后將這個灰度圖的對比度增高，這樣可以使得圖片本來暗的地方更暗，亮的地方更亮一些。
# 這樣處理以后，圖片就 更容易被算法設別出來了。
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 分類器探測圖片中的人臉
faces = face_cascade.detectMultiScale(
        image,
        scaleFactor=1.15,
        minNeighbors=5,
        minSize=(5, 5),
        flags=cv2.IMREAD_GRAYSCALE)

print ("發(fā)現(xiàn){0}個人臉!".format(len(faces)))

#faces中的四個量分別為左上角的橫坐標、縱坐標、寬度、長度
for x, y, w, h in faces:
    img = cv2.rectangle(image,(x,y),(x+w,y+h),(255,0,0),2)
    cv2.circle(image, ((x + x + w) // 2, (y + y + h) // 2),(w // 2), (0, 255, 0),2)
    print(x,y,w,h)

cv2.imshow("Find Faces!", image)
cv2.waitKey(0)


            
          

下載.xml文件地址：https://blog.csdn.net/AinUser/article/details/100730262