代码语言：javascript复制
import cv2
img=cv2.imread('C:/Users/xpp/Desktop/Lena.png')#原始图像
#步骤1：获取XML文件，加载人脸检测器
faceCascade=cv2.CascadeClassifier('C:/Users/xpp/anaconda3/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')#获取XML文件，加载人脸检测器
gray=cv2.cvtColor(img,cv.COLOR_BGR2GRAY)#将彩色图片转换为灰度图片
#步骤2：实现人脸检测
faces=faceCascade.detectMultiScale(gray,scaleFactor=1.03,minNeighbors=3,minSize=(3,3))#人脸检测
#步骤3：打印检测到的人脸
print(faces)
print("发现{0}个人脸".format(len(faces)))
#步骤4：在原图中标记检测到的人脸
for (x, y, w, h) in faces:
#步骤5：绘制圆环，标记人脸
cv2.circle(img,(int((x x w)/2),int((y y h)/2)),int(w/2),(0,255,0),2)#绘制圆环，标记人脸
#步骤6：显示检测结果
cv2.imshow("img",img)
cv2.waitKey()
cv2.destroyAllWindows()[[192 163 168 168]] 发现1个人脸
算法：HEAR人脸检测是构造能够区分包含人脸实例和不包含人脸实例的分类器。这些实例称为“正类”（包含人脸图像）和“负类”（不包含人脸图像）。
Objects=CascadeClassfier.detectMultiScale(img [, scaleFactor[, minNeighbors[ , flags[, minSize[, maxSize]]]]])
- img表示输入图像
- scaleFactor表示在前后两次扫描过程中窗口的缩放因子
- inNeighbors表示构成检测目标的相邻矩形的个数
- flags表示插值方法，可省略
- minSize表示检测目标的最小尺寸
- maxSize表示检测目标的最大尺寸
