本贴的开发环境的安装，请查看我的另一篇帖子
本帖将介绍利用opencv进行基础的人脸检测，这里将用到的 OpenCV 类和函数有：CascadeClassifier,detectMultiScale。整个检测流程可以这样说，利用样本的 Haar特征进行分类器训练，得到级联分类器，加载训练好的人脸分类器，利用分类器在视频帧中查找人脸区域。
Harr特征：
所谓Haar特征，其实就是在窗口的某个位置取一个矩形的小块，然后将这个矩形小块划分为黑色和白色两部分，并分别对两部分所覆盖的像素点（图像上的每个点称为一个像素）的灰度值求和，最后用白色部分像素点灰度值的和减去黑色部分像素点灰度值的和，得到一个Haar特征的值。
Haar特征反映了局部区域之间的相对明暗关系，能够为人脸和非人脸的区分提供有效的信息，例如眼睛区域比周围的皮肤区域要暗，通过Haar特征就可以将这一特点表示出来。
上面是背景的基本介绍，感兴趣的同学可以更加深入探究一下，但是不懂这些背景故事也没事，下面将介绍怎么具体应用。
首先确保你已经在你的树莓派上完成了环境的配置工作，现在新建个py文件（名字你自取）。代码如下（特征文件帖子最后有下载）：
- <div><font size="4"><b><div class="blockcode"><blockquote># -*- coding: utf-8 -*-
- import cv2
- import numpy as np
-
- print('Press Esc to exit')
- faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') #加载特征文件，使用级联分类器
-
- faceimage = cv2.imread("lena.jpg") #读取lena.jpg文件，要实验人脸检测，可以自行替换相关有正面人脸照片
- gray = cv2.cvtColor(faceimage, cv2.COLOR_BGR2GRAY) #将彩色图片转换为灰度图
- faces = faceCascade.detectMultiScale(gray, 1.3, 5)#将要检测图片灰度图输入，进行人脸检测，输出人脸的区域顶点及长宽值
-
-
- print faces
- print len(faces)
- print faceimage.shape
-
- for (z,(x, y, w, h)) in enumerate(faces): #返回索引及元素：enumerate()
- cv2.rectangle(faceimage, (x, y), (x+w, y+h), (np.random.randint(0,255), np.random.randint(0,255), np.random.randint(0,255)), 2)#画出人脸区域矩形框
- cv2.putText(faceimage, "Face #{}".format(z + 1), (x, y - 10),cv2.FONT_HERSHEY_SIMPLEX, 0.55, (0, 0, 255), 2)#输出文字
- cv2.imshow('FaceDetect', faceimage) #显示图像
-
-
-
- cv2.waitKey(0)
保存文件，在lx终端上输入
应该就有这样的效果：
特征文件下载：
 haarcascade_frontalface_default.zip
| 
请教python和c那个好用。