基于OpenCV的人脸检测：此代码只适合最基础学习
1，导入图片img = cv2.imread('D:python1imagesimg1.jpg',1)
将图片保存的文件夹与程序文件夹放在同一目录，便于寻找；
2，将图片转为灰度图片3如下图为转换效果
#将图片转化成灰度 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)3，检测人脸（训练人脸）
此部分最容易出错，需添加正确路径（建议：先手动找到分类包的位置，然后将路径复制到程序之中。
#一定要告诉编译器文件所在的具体位置（需要自己找到分类包的位置）
#haarcascade_frontalface_alt2.xml 是分类包（opencv自带）
face_cascade = cv2.CascadeClassifier("D:python1Libsite-packagescv2datehaarcascade_frontalface_alt2.xml")
face_cascade.load('D:python1Libsite-packagescv2datahaarcascade_frontalface_alt2.xml')
faces = face_cascade.detectMultiScale(gray, 1.05, 4, cv2.CASCADE_SCALE_IMAGE, (0, 0), (600,600))
4，标出人脸并显示
将检测到的人脸进行标注（使用方框）
img：所检测图片名字
w：方框长度
h：方框宽带
（0，150，0）：方框颜色
for (x,y,w,h) in faces:
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,150,0),2)
有时可能识别不准：出现不准的时候可以将下面函数中的（1.05，4）参数进行修改
总代码# 需要添加opencv-python包
import cv2
from cv2.cv2 import putText
#读取一张图片
img = cv2.imread('D:python1imagesimg1.jpg',1)
#将图片转化成灰度
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#一定要告诉编译器文件所在的具体位置（需要自己找到分类包的位置）
#haarcascade_frontalface_alt2.xml 是分类包（opencv自带）
face_cascade = cv2.CascadeClassifier("D:python1Libsite-packagescv2datehaarcascade_frontalface_alt2.xml")
face_cascade.load('D:python1Libsite-packagescv2datahaarcascade_frontalface_alt2.xml')
faces = face_cascade.detectMultiScale(gray, 1.05, 4, cv2.CASCADE_SCALE_IMAGE, (0, 0), (600,600))
siz=0
#画框
for (x,y,w,h) in faces:
siz += 1
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,150,0),2)
#显示人数
cv2.putText(img,str(siz), (10,30), cv2.FONT_HERSHEY_SIMPLEX,1,(255,0,0), 1, cv2.LINE_AA)
print(siz)
#显示图像
cv2.imshow('img1',img)
cv2.waitKey()
