完整代码一览

import cv2

image = cv2.imread('peop.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# ----------------加载分类器----------------
xml_file = cv2.data.haarcascades + "haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(xml_file)

# ----------------分类器检测实现人脸识别 ----------------
faces = faceCascade.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=3, minSize=(8, 8))
print("发现{}张人脸!".format(len(faces)))
print("其位置分别是：", faces)

# ----------------标注人脸及显示 ----------------
for (x, y, w, h) in faces:
    cv2.rectangle(image, pt1=(x, y), pt2=(x + w, y + h), color=(0, 255, 0), thickness=2)
cv2.imshow("result", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

读取图像并灰度化

import cv2

image = cv2.imread('peopel.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

人脸检测器通常工作在灰度图像上，因为灰度图能减少计算量，而且 Haar 特征是基于亮度变化的，不依赖颜色。所以用 cvtColor 转为灰度图。

加载 Haar 级联分类器

xml_file = cv2.data.haarcascades + "haarcascade_frontalface_default.xml"# 这是 正面人脸检测 的预训练模型。
faceCascade = cv2.CascadeClassifier(xml_file)# 加载 XML 文件，生成一个级联分类器对象

cv2.data.haarcascades：这是 OpenCV 内置的 Haar 级联分类器 XML 文件存放路径。不同版本的 OpenCV 路径可能不同，但用这个变量可以自动定位。

除了默认的人脸模型，OpenCV 还提供了其他模型，如眼部、微笑、猫脸等。你可以替换文件名试试效果。

执行人脸检测

faces = faceCascade.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=3, minSize=(8, 8))
print("发现{}张人脸!".format(len(faces)))
print("其位置分别是：", faces)

objects = cv2.CascadeClassifier.detectMultiScale( image[, scaleFactor[ ,minNeighbors[ , flags[, minSize[ , maxSize]]]]] )

其中，各个参数及返回值的含义如下。

• image：待检测图像，通常为灰度图像。

• scaleFactor：表示在前后两次相继扫描中搜索窗口的缩放比例。识别，扫描，按照不同比例来进行扫描

• minNeighbors：表示构成检测目标的相邻矩形的最小个数。在默认情况下，该参数的值为 3.表示有 3 个以上的检测标记存在时才认为存在人脸。如果希望提高检测的准确率可以将该参数的值设置得更大，但这样做可能会让一些人脸无法被检测到。

• flags：该参数通常被省略。在使用低版本 OpenCV (OpenCV 1.X 版本)时，该参数可能会被设置CV_HAAR_DO_CANNY_PRUNING，表示使用 Canny 边缘检测器拒绝一些区域。

• minSize：目标的最小尺寸，小于这个尺寸的目标将被忽略。

• maxSize：目标的最大尺寸，大于这个尺寸的目标将被忽略。
  若 maxSize 和 minSize 大小一致，则表示仅在一个尺度上查找目标。

返回值

• faces(objects )：一个包含所有检测到的人脸矩形框的 NumPy 数组，每个元素是 (x, y, w, h)，分别代表矩形左上角的 x、y 坐标，以及宽度和高度。

绘制矩形框并显示结果

for (x, y, w, h) in faces:
    cv2.rectangle(image, pt1=(x, y), pt2=(x + w, y + h), color=(0, 255, 0), thickness=2)
cv2.imshow("result", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

拓展 —— 检测多张人脸

本代码直接支持多张人脸检测（因为 detectMultiScale 会返回所有符合条件的目标）。如果你的图片中有多个人，程序会自动画出所有矩形框。