一、图片人脸检测（opencv）
1、安装opencv环境
介绍windows中opencv在python3上的实现，我的系统环境win10+python3.6+opcv3.4.1
首先去网站下载OpenCV对应的.whl版本压缩包，网址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv 本人下载的版本是：opencv_python‑3.4.1‑cp36‑cp36m‑win_amd64.whl 64位系统对应python3.6的，下载到F盘根目录。
链接：百度云链接
提取码：j5uy
接着用pip命令安装
pip install F:\opencv_python-3.4.1-cp36-cp36m-win_amd64.whl
当命令行窗口显示：
Processing F:\opencv_python-3.4.1-cp36-cp36m-win_amd64.whl
Installing collected packages: opencv-python
Successfully installed opencv-python-3.4.1
说明已经安装成功。
到此，opencv的环境配置已经弄好了，可以在命令行中运行python，然后import cv2 打印输出opencv的版本号，看能否正常输出。
2、具体实现代码
import cv2img = cv2.imread('img/1.png') # 读取图片gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换灰色# OpenCV人脸识别分类器classifier = cv2.CascadeClassifier(r'F:\python-project\opencv-master\haarcascade_frontalface_default.xml')#创建人脸检测级联分类器对象实例color = (0, 255, 0) # 定义绘制颜色为绿色# 调用识别人脸faceRects = classifier.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(24, 24))#参数说明，scaleFactor：图像缩放比例，可理解为相机的X倍镜，minNeighbors：对特征检测点周边多少有效点同时检测，这样可避免因选取的特征检测点太小而导致遗漏#minSize：特征检测点的最小尺寸if len(faceRects): # 大于0则检测到人脸for faceRect in faceRects: # 单独框出每一张人脸x, y, w, h = faceRect# 框出人脸cv2.rectangle(img, (x, y), (x + h, y + w), color, 2)# 左眼#cv2.circle(img, (x + w // 4, y + h // 4 + 30), min(w // 8, h // 8),# color)#右眼#cv2.circle(img, (x + 3 * w // 4, y + h // 4 + 30), min(w // 8, h // 8),#color)#嘴巴cv2.rectangle(img, (x + 3 * w // 8, y + 3 * h // 4),(x + 5 * w // 8, y + 7 * h // 8), color)cv2.imshow("image-detection", img) # 显示图像cv2.waitKey(0) #表示程序会无限制的等待用户的按键事件cv2.destroyAllWindows()#关闭所有窗口
3、识别结果
二、图片人脸检测（dlib）
比opencv更加精准的图片人脸检测库Dlib，Dlib可以检测脸部68甚至更多的特征点。
1、安装dlib
下载地址：/simple/dlib/
我的环境为win10+python3.6.5
选择dlib的版本为：dlib-19.8.1-cp36-cp36m-win_amd64.whl
接着用pip命令安装：
pip install dlib-19.8.1-cp36-cp36m-win_amd64.whl
2、训练模型
下载链接：/s/1xai1X_L8JvDfFJyU3f_0Ig
提取码：g24q
3、具体实现代码
import cv2import dlibpath = "img/1.png"img = cv2.imread(path)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#转成灰度图#人脸分类器detector = dlib.get_frontal_face_detector()# 获取人脸检测器predictor = dlib.shape_predictor("F:\\python-project\\shape_predictor_68_face_landmarks.dat")dets = detector(gray, 1)for face in dets:shape = predictor(img, face) # 寻找人脸的68个标定点# 遍历所有点，打印出其坐标，并圈出来for pt in shape.parts():pt_pos = (pt.x, pt.y)cv2.circle(img, pt_pos, 2, (0, 255, 0), 1)cv2.imshow("image", img)cv2.waitKey(0)cv2.destroyAllWindows()
4、识别结果
参考链接：/vipstone/faceai/blob/master/doc/detectionOpenCV.md
如果觉得《python+opencv实现人脸识别|采用现成训练好的模型》对你有帮助，请点赞、收藏，并留下你的观点哦！
