树莓派人脸识别（三）

这一篇文章就要开始正式用分类器运行人脸检测和笑容检测、眼睛检测等不同的检测。

第四步：人脸检测

人脸识别的最基础任务是「人脸检测」。你必须首先「捕捉」人脸（第 1 阶段）才能在未来与捕捉到的新人脸对比时（第 3 阶段）识别它。这一段代码便是增加了人脸分类器进行人脸检测：

import numpy as np
import cv2
faceCascade = cv2.CascadeClassifier('Cascades/haarcascade_frontalface_default.xml')    #加载人脸检测分类器
cap = cv2.VideoCapture(0)
cap.set(3,640)
cap.set(4,480)
while True:
    ret, img = cap.read()
    img = cv2.flip(img, -1)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(
        gray,     #表示输入 grayscale 图像
        scaleFactor=1.2,    #表示每个图像缩减的比例大小
        minNeighbors=5,     #表示每个备选矩形框具备的邻近数量。数字越大，假正类越少
        minSize=(20, 20)    #表示人脸识别的最小矩形大小
    )
    for (x,y,w,h) in faces:    #标记人脸
        cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)    #绘制矩形框
        roi_gray = gray[y:y+h, x:x+w]
        roi_color = img[y:y+h, x:x+w]  
    cv2.imshow('video',img)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break
cap.release()
cv2.destroyAllWindows()

笑脸检测

使用笑脸检测，我们仍然需要首先检测人脸，然后再检测人是否在笑，这就要求同时要加入人脸检测分类器和笑脸检测分类器，这样的计算力对于树莓派的性能是一种挑战...

• 添加笑脸分类器：

smileCascade = cv2.CascadeClassifier('Cascades/haarcascade_smile.xml')

• 增加标记笑脸代码：

 smile = smileCascade.detectMultiScale(
            roi_gray,
            scaleFactor= 1.5,
            minNeighbors=15,
            minSize=(25, 25),

• 绘制笑脸框：

 for (xx, yy, ww, hh) in smile:
            cv2.rectangle(roi_color, (xx, yy), (xx + ww, yy + hh), (0, 255, 0), 2)

本文链接：