haar檢測器是一個十分經(jīng)典也十分古老的檢測器，最成功的應(yīng)用莫過于人臉檢測，它的具體原理作者還不甚清楚，查閱相關(guān)博客發(fā)現(xiàn)講的也不是很清楚，在這就不班門弄斧了。

下面講講如何使用已經(jīng)訓(xùn)練好的haar分類器。

首先建立haar分類器對象，需要讀取一個xml文件，這個文件也就是訓(xùn)練好的分類器。

face_haar = cv2.CascadeClassifier("data/haarcascades/haarcascade_frontalface_default.xml")

然后利用該分類器檢測目標(biāo)圖像（灰度圖）

faces = face_haar.detectMultiScale(gray_img,1.3,5)

其中1.3和5都是自己設(shè)定的參數(shù)，具體作用還請查閱官方文檔。

得到的faces是一個列表，列表中元素為檢測到的臉部矩形框，至此，臉部檢測就完成了，十分簡潔。

下面是完整代碼（以一張圖像為例）

# 加載分類器

face_haar = cv2.CascadeClassifier("data/haarcascades/haarcascade_frontalface_default.xml")

# 把圖像轉(zhuǎn)為黑白圖像

gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 檢測圖像中的所有臉

faces = face_haar.detectMultiScale(gray_img,1.3,5)

for face_x,face_y,face_w,face_h in faces:

? ? cv2.rectangle(img, (face_x, face_y), (face_x+face_w, face_y+face_h), (0,255,0),2)

除了，針對臉部的分類器，還有眼睛，鼻子，嘴等已經(jīng)訓(xùn)練好的分類器，只需加載相應(yīng)的xml文件即可，這些可以在opencv自帶的包中找到，也可以去github上下載opencv_contrib/modules/face/data/cascades at master · opencv/opencv_contrib · GitHub,不過作者目前用嘴部和眼睛檢測器時發(fā)現(xiàn)檢測結(jié)果不很理想，臉部還不錯。