》》点赞，收藏+关注，理财&技术不迷路《《
记住知识：HAAR与LBP数据，我们得知道从哪里获取数据。OpenCV人脸检测-Haar级联和LBP，这里不展开细讲，直接上使用过程应用过程。
"""
使用Haar分类器进行面部检测
1. 简单介绍Haar特征分类器对象检测技术
它是基于机器学习的，通过使用大量的正负样本图像训练得到一个cascade_function，最后再用它来做对象检测。
如果你想实现自己的面部检测分类器，需要大量的正样本图像（面部图像）和负样本图像（不含面部的图像）来训练分类器。
可参考https://docs.opencv.org/2.4/doc/user_guide/ug_traincascade.html，这里不做介绍，现在我们利用
OpenCV已经训练好的分类器，直接利用它来实现面部和眼部检测。
2. 主要步骤：
1）加载xml分类器，并将图像或者视频处理成灰度格式 cv.CascadeClassifier()
2）对灰度图像进行面部检测，返回若干个包含面部的矩形区域 Rect（x,y,w,h）face_detector.detectMultiScale()
3）创建一个包含面部的ROI，并在其中进行眼部检测
3. 重要方法分析：def detectMultiScale(self, image, scaleFactor=None, minNeighbors=None, minSize=None, maxSize=None)
原理：检测输入图像在不同尺寸下可能含有的目标对象
#minSize – Minimum possible object size. Objects smaller than that are ignored.
#maxSize – Maximum possible object size. Objects larger than that are ignored.
入参：
1）image：输入的图像
2）scaleFactor：比例因子，图像尺寸每次减少的比例，要大于1，这个需要自己手动调参以便获得想要的结果
3）minNeighbors：最小附近像素值，在每个候选框边缘最小应该保留多少个附近像素
4）minSize，maxSize：最小可能对象尺寸，所检测的结果小于该值会被忽略。最大可能对象尺寸，所检测的结果大于该值会被忽略
返回：若干个包含对象的矩形区域
"""
可以基于HAAR也可以基于LTP的检测，下面是以HAAR为例来检测：
通过摄像头人脸检测：
