OpenCV 从零学习 · 第 17 讲：人脸检测
函数：cv2.CascadeClassifier / detectMultiScale ｜ 难度：★★☆☆☆
人脸检测是计算机视觉的"hello world"。OpenCV 自带训练好的 Haar 级联分类器，加载一个 .xml 模型文件，调用 detectMultiScale 就能在一张图里找出所有人脸并框出来。无需训练、开箱即用，适合入门和实时场景。
一、加载分类器并检测
face_cascade = cv2.CascadeClassifier(
cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(
gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))| 参数 | 含义 |
scaleFactor | 图像缩放步长，>1（如 1.1）；越小越准越慢 |
minNeighbors | 候选框保留所需邻数，越大越严（去误检） |
minSize | 最小目标尺寸，过滤太小的框 |
返回 numpy 数组，每行是 (x, y, w, h)，可遍历画框。cv2.data.haarcascades 是 OpenCV 自带模型目录，免得自己找路径。
场景 A · 图片人脸框 + 计数
len(faces) 就是人数，遍历画绿框。合影人数统计的最简实现。
场景 B · 接第 16 讲做实时人脸
把检测放进摄像头循环，逐帧框脸——经典"实时人脸追踪"demo，可顺便统计画面里出现的人数。
把检测放进摄像头循环，逐帧框脸——经典"实时人脸追踪"demo，可顺便统计画面里出现的人数。
场景 C · 眼睛 / 笑脸检测
同级联还有
同级联还有
haarcascade_eye.xml、haarcascade_smile.xml，对同一张人脸区域再做一次检测即可做"睁眼/微笑"判断。
⚠ 新手必踩坑
detectMultiScale吃灰度图，传彩色会报错或结果异常。- 分类器文件路径必须存在；用
cv2.data.haarcascades + 文件名最稳，别硬编码本地绝对路径。 scaleFactor太小（如 1.01）极慢，太大（如 1.5）会漏检，常用 1.1~1.3。- Haar 只认"正脸"，侧脸/遮挡/太远效果差；精度要求高请升级 DNN 人脸检测（后续进阶）。
本讲要点
CascadeClassifier加载 xml，detectMultiScale返回 (x,y,w,h) 列表。- 输入灰度图；
scaleFactor/minNeighbors/minSize调严谨度。 - 开箱即用、可实时；缺点是正脸专用、精度有限。
下一讲：第 18 讲 · 霍夫变换（HoughLines / HoughCircles）——检测直线和圆，用于车道线、表格线、圆孔计数。
