我们先逐步进行学习。我将人脸检测的学习步骤分为如下几个方面。

（1—4是一些小步骤。5—7是具体实现的案例）


关于代码的相关意义我已经在程序中写上了备注（已经尽可能详细了！！）

1、加载图片：

源程序代码如下：

"""
   __author__="dazhi"
    2021/3/20-15:00
"""
#导入模块
import cv2 as cv
#读取图片（注意路径不要有中文,否则会报错）
img = cv.imread("C:\\Users\\26301\\Desktop\\2.jpg")
#显示图片(这时的照片会一闪而过)
cv.imshow('read_img',img)
#设置等待键盘输入（保证上边显示的照片可以停留）
#传入0表示无限等待，直到有东西输入(单位是毫秒)
cv.waitKey(3000)
#释放内存（由于底层是c++写的，所以将底层里面的空间进行释放）
cv.destroyAllWindows()

运行结果如下：

2、图片灰度转换：

源程序代码如下：

"""
   __author__="dazhi"
    2021/3/20-15:25
"""
#导入模块
import cv2 as cv
#读取图片（注意路径不要有中文,否则会报错）
BGR_img = cv.imread("C:\\Users\\26301\\Desktop\\2.jpg")
#显示图片(这时的照片会一闪而过)
cv.imshow('BGR_img',BGR_img)

#图片灰度转换
gray_img = cv.cvtColor(BGR_img,cv.COLOR_BGR2GRAY)
cv.imshow('gray_img',gray_img)

#保存图片
cv.imwrite('gray_img.jpg',gray_img)

#设置等待键盘输入（保证上边显示的照片可以停留）
#传入0表示无限等待，直到有东西输入(单位是毫秒)
cv.waitKey(0)
#释放内存（由于底层是c++写的，所以将底层里面的空间进行释放）
cv.destroyAllWindows()

运行结果如下：

3、修改图片尺寸（在此次人脸检测案例中未用到）：

源程序代码如下：

"""
   __author__="dazhi"
    2021/3/20-15:30
"""
# 导入模块
import cv2 as cv

# 读取图片（注意路径不要有中文,否则会报错）
img = cv.imread("C:\\Users\\26301\\Desktop\\2.jpg")
# 显示图片(这时的照片会一闪而过)
cv.imshow('img', img)
print("原来图片的形状：",img.shape)
# 修改图片尺寸(宽度，高度)
resize_img = cv.resize(img, dsize=(200, 240))
print("修改后图片的形状：",resize_img.shape)
# 显示图片(这时的照片会一闪而过)
cv.imshow('resize_img', resize_img)
# 设置等待键盘输入（保证上边显示的照片可以停留）
# 传入0表示无限等待，直到有东西输入(单位是毫秒)
#设置只有输入q的时候、退出
while True:
    #ord('q')表示q对应的ascall
    if ord('q') == cv.waitKey(0):
        break

# 释放内存（由于底层是c++写的，所以将底层里面的空间进行释放）
cv.destroyAllWindows()

运行结果如下：

4、绘制矩形-圆形（只是简单地在图片上随便画一个）：

源程序代码如下：

"""
   __author__="dazhi"
    2021/3/20-15:39
"""
# 导入模块
import cv2 as cv

# 读取图片（注意路径不要有中文,否则会报错）
img = cv.imread("C:\\Users\\26301\\Desktop\\2.jpg")
# 画矩形(x,y指的是矩形左上角的哪个点)
x, y, w, h = 50, 50, 80, 80
# color变量里参数的顺序是BGR,thickness表示的是宽度
# (x,y,x+w,y+h)左上和右下两个点
cv.rectangle(img, (x, y, x + w, y + h), color=(0, 255, 0), thickness=2)

#画圆center元组指的是原点的坐标
x,y,r = 200,200,100
cv.circle(img,center=(x,y),radius=r,color=(0,0,255),thickness=3)

# 显示图片(这时的照片会一闪而过)
cv.imshow('img', img)
# 设置等待键盘输入（保证上边显示的照片可以停留）
# 传入0表示无限等待，直到有东西输入(单位是毫秒)
cv.waitKey(0)
# 释放内存（由于底层是c++写的，所以将底层里面的空间进行释放）
cv.destroyAllWindows()

运行结果如下：

5、图像单个人脸检测：

源程序代码如下：

"""
   __author__="dazhi"
    2021/3/20-16:30
"""
# 导入库
import cv2 as cv


def face_detect_demo():
    # 将图片转换为灰度图片
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    # 加载特征数据
    face_detector = cv.CascadeClassifier('D:/wen10/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    #进行检测人脸操作
    faces = face_detector.detectMultiScale(gray)
    #得到的daces可能是多组x,y,h,w
    print("faces 的数值：",faces)
    for x, y, w, h in faces:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)
    # 显示图片(这时的照片会一闪而过)
    cv.imshow('result', img)


if __name__ == '__main__':
    # 读取图片（注意路径不要有中文,否则会报错）
    img = cv.imread("C:\\Users\\26301\\Desktop\\1.jpg")
    face_detect_demo()
    # 设置等待键盘输入（保证上边显示的照片可以停留）
    # 传入0表示无限等待，直到有东西输入(单位是毫秒)
    cv.waitKey(0)
    # 释放内存（由于底层是c++写的，所以将底层里面的空间进行释放）
    cv.destroyAllWindows()

运行结果如下：

6、图像多个人脸检测：

源程序代码如下：

"""
   __author__="dazhi"
    2021/3/20-16:49
"""
# 导入库
import cv2 as cv


def face_detect_demo():
    # 将图片转换为灰度图片
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    # 加载特征数据
    face_detector = cv.CascadeClassifier('D:/wen10/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    #进行检测人脸操作(参数也可以不写)
    faces = face_detector.detectMultiScale(gray,scaleFactor=1.01,minNeighbors=50)
    #得到的daces可能是多组x,y,h,w
    print("faces 的数值：",faces)
    for x, y, w, h in faces:
        #画矩形
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)
        #画圆
        cv.circle(img, center=(x + w // 2, y + h // 2),radius=w//2,color=(0,0,255),thickness=1)
    # 显示图片(这时的照片会一闪而过)
    cv.imshow('result', img)


if __name__ == '__main__':
    # 读取图片（注意路径不要有中文,否则会报错）
    img = cv.imread("C:\\Users\\26301\\Desktop\\5.jpg")
    face_detect_demo()
    # 设置等待键盘输入（保证上边显示的照片可以停留）
    # 传入0表示无限等待，直到有东西输入(单位是毫秒)
    cv.waitKey(0)
    # 释放内存（由于底层是c++写的，所以将底层里面的空间进行释放）
    cv.destroyAllWindows()

运行结果如下：

7、视频中的人脸检测：

源程序代码如下：

"""
   __author__="dazhi"
    2021/3/20-17:10
"""
#导入依赖
import cv2 as cv
def face_detect_demo(img):
    #将图片灰度
    gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    #加载特征数据
    face_detector = cv.CascadeClassifier('D:/wen10/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    #进行检测人脸操作(参数也可以不写)
    faces = face_detector.detectMultiScale(gray)
    for x,y,w,h in faces:
        #画矩形
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
        #画圆
        cv.circle(img,center=(x+w//2,y+h//2),radius=(w//2),color=(0,255,0),thickness=2)
    # 显示图片(这时的照片会一闪而过)
    cv.imshow('result',img)
#读取视频
cap=cv.VideoCapture('video.mp4')
#播放进行读取（一帧一帧的走）
while True:
    #flag表示是否在播放（布尔类型）
    flag,frame=cap.read()
    #判断是否在播放
    if not flag:
        break
    face_detect_demo(frame)
    #输入q的时候进行关闭
    if ord('q') == cv.waitKey(10):
        break
#释放内存
cv.destroyAllWindows()
#释放视频的空间
cap.release()

运行结果如下：

（这个可以实现视频播放过程中识别，但是博主忘记怎么在csdn里放视频了，所以就在视频的播放过程中截了几张图。如下~~~~~）