人脸检测是 OpenCV 的一个很不错的功能，它是人脸识别的基础。人脸识别其实就是一个程序能识别给定图像或视频中的人脸。

人脸识别模块特征

1、是用一系列分好类的图像来“训练”程序，并基于这些图像来进行识别。这就是OpenCV 及其人脸识别模块进行人脸识别的过程。

2、每个识别都具有转置信（confidence）评分，因此可在实际应用中通过对其设置阈值来进行筛选。

人脸识别两种方式

1、自己获得图像或从人脸数据库免费获得可用的人脸图像。

2、互联网上有许多人脸数据库：为了对这些样本进行人脸识别，必须要在包含人脸的样本图像上进行人脸识别。这是一 个学习的过程，但并不像自己提供的图像那样令人满意。

python中OpenCV的人脸检测功能操作实例

import os
import cv2
from PIL import Image
import numpy as np

def getImageAndLabels(path):
    facesSamples = []
    ids = []
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)]

    # 检测人脸
    # 加载特征数据
    face_detector = cv2.CascadeClassifier(
        'D:/Python/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    # 参数： scaleFactor(比例因子)：图片缩放多少，minNeighbors:至少检测多少次，minSize maxSize:当前检测区域的最大最小面积
    # scaleFactor=1.01, minNeighbors=3, maxSize=(33, 33), minSize=(28, 28)

    # 遍历列表中的图片
    for imagePath in imagePaths:
        # 打开当前图片
        PIL_img = Image.open(imagePath).convert('L')

        # 将图片转化为数组
        img_numpy = np.array(PIL_img, 'uint8')
        faces = face_detector.detectMultiScale(img_numpy)

        # 获取每张图片的id
        id = int(os.path.split(imagePath)[1].split('.')[0])

        # 获取人脸区域
        for x, y, w, h in faces:
            # 进行切片处理,获取图像数组和id
            facesSamples.append(img_numpy[y:y+h, x:x+w])
            ids.append(id)

        return facesSamples, ids


if __name__ == '__main__':
    # 图片路径
    path = './data/jm/'
    # 获取图像数组和id标签数组
    faces, ids = getImageAndLabels(path)

    # 获取循环对象
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    recognizer.train(faces, np.array(ids))

    # 保存文件
    recognizer.write('trainer/trainer.yml')