import cv2

#  导入人脸检测分类器，创建检测对象face
face = cv2.CascadeClassifier("./haarcascades/haarcascade_frontalface_default.xml")
eye = cv2.CascadeClassifier("./haarcascades/haarcascade_eye.xml")  ###
img = cv2.imread("./photo.jpg")
#  使用检测对象face启动detectMultiScale函数进行人脸检测。
faceRects = face.detectMultiScale(
    img,
    scaleFactor=1.1,  # 在特征比对中，每次图片缩小的比例，
    minNeighbors=5,  # 设定达到的特征数，
    minSize=(100, 100),  # 允许得到目标区域的最小范围，
    maxSize=(200, 200)  # 允许得到目标区域的最大范围。
)
eyeRects = eye.detectMultiScale(  ###
    img,
    scaleFactor=1.1,
    minNeighbors=5,
    minSize=(25, 25),  # 因为眼睛比脸小，所以这里要调小，一开始调成10，会识别到错误的区域，加到25就没问题了
    maxSize=(200, 200)
)
print(faceRects, type(faceRects))  # 输出faceRects的值和数据类型
print(eyeRects, type(eyeRects))
cv2.rectangle(img, (0, 0), (140, 40), (0, 255, 255), -1)  # 20改成40，扩展黄色面积的长度
#  标注找到多少的人脸
cv2.putText(img, "Finding " + str(len(faceRects)) + " face", (3, 15),
            cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 0, 0), 1)
cv2.putText(img, "Finding " + str(len(eyeRects)) + " eye", (3, 30),  # 15改成30，在下面加多一行
            cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 0, 0), 1)
#  由于有可能检测到多张人脸，所以要用循环将人脸逐个框出来
for x, y, w, h in faceRects:  # 循环获取每张人脸的数据
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 1)  # 框出人脸
for x, y, w, h in eyeRects:
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 1)
cv2.imshow("image", img)
cv2.waitKey()
cv2.destroyAllWindows()

点击下载 人脸检测分类器 文件