人脸检测函数
在OpenCV中，人脸检测使用的函数是cv2.CascadeClassifier.detectMultiScale()，它可以检测图像中所有的人脸。其完整定义如下：
def detectMultiScale(self, image, scaleFactor=None, minNeighbors=None, flags=None, minSize=None, maxSize=None):
image：待检测的图像，通常为灰度图像
scaleFactor：表示在前后两次相继的扫描中，搜索窗口的缩放比例
minNeighbors：表示构成检测目标的相邻矩形的最小个数。默认值为3，表示有3个以上的检测标记存在时，才认为人脸的存在。如果希望提高检测的准确率，可以将该值设置的更大，但同时可能会让一些人脸无法被检测到
flags：不常用参数，一般省略。
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
该函数的返回值是目标对象的矩形框向量组。
检测图像中的N个人脸
既然我们已经了解了人脸检测函数。下面，我们就来使用其检测图像中的人脸，具体代码如下所示：
import cv2
img = cv2.imread("41.jpg")
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = faceCascade.detectMultiScale(gray, scaleFactor=1.15, minNeighbors=2, minSize=(5, 5))
print(faces)
print("该图一共有{0}人脸".format(len(faces)))
for (x, y, w, h) in faces:
cv2.circle(img, (int((2 * x + w) / 2), int((2 * y + h) / 2)), int(w / 2), (0, 255, 0), 2)
cv2.imshow("result", img)
cv2.waitKey()
cv2.destroyAllWindows()
OpenCV已经自带了人脸的Haar特征分类器，该分类器有20多种，提供多种对象的检测功能，比如有鼻子，有耳朵等。这里我们选择haarcascade_frontalface_default.xml人脸识别分类器。
通过detectMultiScale函数返回的是人脸的矩形框向量组，包括左上角坐标(x,y)，长宽(w,h)。而绘制人脸圆形框只需要将矩形的中心设置为圆心，矩形的宽度一般设置为半径即可。
运行之后，我们可以识别行尸走肉图像中的人脸：
1.png
测试原图为：
2.jpg
