# 人臉檢測 > 原文： [https://pythonbasics.org/face-detection/](https://pythonbasics.org/face-detection/) 人臉檢測系統是最常用的人工智能之一。 同時，安全性和機器人技術以不顯眼的方式實現它，每次拍攝照片或將內容上傳到社交媒體時，我們都會使用人臉檢測。 它已經成為我們生活的一部分，而且大多數人甚至都沒有注意到它的背后。 人臉檢測看似簡單，但事實并非如此。 是一項能夠根據圖像或視頻幀識別和驗證人員的技術。 在某種程度上類似于指紋或眼睛鳶尾花識別系統。 ## Python 人臉檢測 ### 簡介 那么，我們想對所有這些說些什么？ 每個知道如何編碼的人都可以進行人臉檢測。 開發人員和程序員都可以實現。 他們只需要一個庫，例如 OpenCV。 他們還需要一種來自示例 Python 的編程語言。 而且，如果以前沒有這樣做，他們必須要有一點耐心。 您無法跳過所有步驟并立即采取行動，而不會出現一些錯誤。 ### 為什么是 OpenCV？ OpenCV 意味著“開放源代碼計算機視覺”，它是一個最初用 C++ 編寫，后來又為 Python 編寫的庫，這是我們將要使用的編程語言。 該庫具有提高計算效率的設計，并且非常注重實時應用程序。 聽起來確實對人臉檢測準確。 OpenCV 可以使用機器學習算法在圖片中搜索人臉。 但是這個過程很棘手，因為面孔很復雜。 必須匹配成千上萬的小圖案和特征。  ### 機器學習 機器學習算法具有稱為分類器的任務。 分類器將面孔識別為成千上萬個較小的，一口大小的任務，這樣做更容易。 想象一下：一張臉可以有 6,000 個或更多的分類器，并且所有這些分類器都必須匹配才能被檢測到。 算法從圖片的左上方開始，然后向下移至小塊數據。 這 6,000 個分類器必須對其進行測試，并且需要進行數百萬次的計算。 很明顯，您的計算機將停止運行。 如果您必須自己做這項工作，您會失去理智。  ### 級聯 OpenCV 使用級聯來解決將面部檢測到多個階段的問題。 級聯對每個塊進行非常粗略和快速的測試。 如果該塊通過，則進行更詳細的測試，依此類推。 該算法可以具有 30 到 50 個級聯，如果所有階段都通過，則可以檢測到人臉。 這使得實時進行面部識別成為可能。 級聯是包含 OpenCV 數據的 XML 文件，用于檢測對象。 ### 示例 一旦安裝了 OpenCV 并且您了解它之后，就該使用 Python 檢查人臉檢測的結果了。 ```py import cv2 import sys imagePath = sys.argv[1] cascPath = sys.argv[2] faceCascade = cv2.CascadeClassifier(cascPath) # read and convert image image = cv2.imread(imagePath) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # detect faces in the image faces = faceCascade.detectMultiScale( gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30), # flags = cv2.cv.CV_HAAR_SCALE_IMAGE ) print("Found {0} faces!".format(len(faces))) # show face detections for (x, y, w, h) in faces: cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2) cv2.imshow("Faces found", image) cv2.waitKey(0) ``` 使用以下命令運行程序： ```py python3 face.py workplace-1245776_960_720.jpg haarcascade_frontalface_default.xml ``` 您可以[在此處下載級聯](https://github.com/shantnu/FaceDetect/raw/master/haarcascade_frontalface_default.xml) 可能會導致兩件事： 當用高質量的相機拍攝并靠近臉部時，對面部識別更可能是準確的。 當圖片分辨率不高且離人臉較遠時，可能會出現誤報的情況。 [下載示例和練習](https://gum.co/MnRYU)