嗨，我最亲爱的伙计们，很高兴我们又见面了。
首先先感谢朋友们的关注。当然我更希望认识与计算机相关的领域的朋友咱们一起探讨交流。重点说一下，我是真人，不是那些扒文章的自媒体组织，大家可以相互交流的！
本篇文章我们来讲一下关于AI相关的人脸追踪，人脸识别相关的一些知识。当然本篇教程为（上）部分，讲一下利用python+opencv来实现人脸识别与追踪，明后天出（下）部分，用python来通过指纹对比实现人脸验证、人脸解锁（大家感兴趣的可以提前关注哦）。
这两节课呢，代码量都不是很多，鄙人尽量多注释点，便于大家理解。那我们就不多啰嗦废话了，直接上干货！
OpenCV：
opencv目前来讲是十分流行的视觉库，而且可以支持多语言。说到opencv就不得不说它的cascades分类器。
如果我们要判断一张图片是不是有一张脸，早期方式是通过成千上万的分类器去从头匹配到尾，这样看并没有什么什么毛病，但判断的图片多了呢？那可能需要猴年马月。opencv的cascades呢，就把这些用来判断人脸特征的容器划分成多块层层匹配，到一层不匹配就被丢弃。
这好比一群人去公司面试，公司第一个要求是只要男人，那一批女人就走了，公司说只要本科，一批专科走了，公司说要两年工作经验的，又会走一批，直到最后。这样的工作量比每个人面试不管男女都过一遍流程轻松的多。
环境拓扑：
操作系统：windows7
python版本：2.7.14
opencv版本：3.x
环境配置：
1.安装python（额...这个当我没说）
2.安装Opencv
这个从官网下载就OK啦
下载完之后直接解压就行，推荐解压到跟你的python安装的父路径。
3.使用pip安装numpy
打开cmd输入：
pip install numpy
进行安装，安装完毕后会给提示。
4.找到你的opencv安装路径（比如我的是D盘）
复制D:opencvopencv3.xuildpython.7\x64路径下的cv2.py
注意：我的windows版本为64位所以我选择的是X64，如果你的是32位的话你需要选择X86文件夹下的cv2.pyd
复制完之后，粘贴到你的python安装路径下的Lib/site-packages这个文件夹下。
完成上面这些就基本OK啦，我们在写代码之前先来测试一下，环境是否配置成功。
在CMD命令行下运行python：
import numpy
import cv2
如果没有报错，说明安装完成。
实现原理：
1.调用计算机摄像头
cv2.Videocamture(0)
2.将摄像头数据按帧来取（相当于给每一帧图片的人脸加框框）
cam.red()
3.将每一帧摄像头记录的数据带入opencv让classifier去判断人脸
detectMultiScale()
4.如果存在人脸给人脸标记画框
cv2.rectangle()
5.输出画框后的帧动画
cv2.imshow('My Camera',frame)
代码实现：
第一步定义一个识别函数：
先放图片，这个地方比较重要，我在下面会详细的说一下。
6-7行代码说明：
首先创建classifier，为什么要弄这个呢？
引用的haarcascade开头的文件是opencv里面关于人脸级联分类器，你在opencv文件夹下的sourcesdatahaarcascades可以看到：
说明功能：
人脸检测器（默认）：haarcascade_frontalface_default.xml
人脸检测器（快速Harr）：haarcascade_frontalface_alt2.xml
人脸检测器（侧视）：haarcascade_profileface.xml
眼部检测器（左眼）：haarcascade_lefteye_2splits.xml
眼部检测器（右眼）：haarcascade_righteye_2splits.xml
嘴部检测器：haarcascade_mcs_mouth.xml
鼻子检测器：haarcascade_mcs_nose.xml
身体检测器：haarcascade_fullbody.xml
人脸检测器（快速LBP）：lbpcascade_frontalface.xml
1：haarcascade_frontalface_alt.xml
Stump-based 20x20 gentle adaboost frontal face detector.
2：haarcascade_frontalface_alt2.xml
Tree-based 20x20 gentle adaboost frontal face detector.
3：haarcascade_frontalface_alt_tree.xml
Stump-based 20x20 gentle adaboost frontal face detector.This detector uses tree of stage classifiers instead of a cascade
4：haarcascade_frontalface_default.xml
Stump-based 24x24 discrete(?) adaboost frontal face detector.
以上这四个鄙人都测试过，haarcascade_frontalface_alt.xml这个效果是最好的，其它的大家可以单个测试。
设定灰度：
灰度的设定是为了增强面部轮廓的对比度，这是增加精度必不可少的。
核心代码解剖：
DetectMultiScale 函数是一个检测物体的通用函数，我们介绍一下：
gray：这是转换成灰度后的图片
scaleFactor：补偿参数，一般设置值为1.1-1.5比较好，效果大家自己改着看
minNeighbors：对当前其周围有多少物体进行定义
minSize：设定窗口大小
flags：略抽象，选择默认或者上图即可
画方框：
定义xywh利用for循环读取faces变量里面的坐标，然后通过rectangle()函数进行画方框。
代码下部分：
OK，写完代码之后，我们把上部分代码跟下部分代码拼凑起来，运行下试一下：
大家凑合看吧，我笔记本cam有点渣，不过随着人的晃动，都可以完美的识别出来，由于没法上视频，大家就自行测试吧。
最后再强调一点：明后天出（下）部分，用python来通过指纹对比实现人脸验证、人脸解锁（大家感兴趣的可以提前关注哦）。
