师：同学们，今天这节课我们一起学习初二信息技术第二章第七节，用Python实现人脸检测。首先回顾上节课内容，上节课我们学习了安装第三方库，利用signkidlearn库进行数据分析，判断水果类型，还学习了KNN算法的使用，感受到Python第三方库的便捷与强大。今天老师带大家认识另一个程序库。老师编写了个人脸检测小程序，先来看一看。老师想识别这张名为photo的照片，双击运行人脸识别小程序，看看效果。
根据程序运行结果，能看到程序识别出两张人脸位置，并在相应地方画出框线，同时在左上角用文字输出找到几张人脸的说明。这里用到另一个第三方库叫Opencv，利用Opencv可实现人脸识别、动作识别、人机互动、机器人视觉等。这节课我们了解Opencv库，学会用Opencv读取和显示图像，在图像上画矩形和绘制文字，以刚才的人脸识别小程序为例，分析程序如何实现。
首先要导入人脸识别的工具——人脸检测分类器，然后启动函数进行人脸检测，检测完成后逐个框出人脸位置，并标注人脸数量。那如何用代码实现呢？下面进入代码分析。
第一步，导入人脸检测分类器。首先用import语句导入Opencv库，这里库的名称为CVR。利用Cascade classifier导入Haar特征检测分类器，创建检测对象face，然后用imread函数导入图片，创建绘图对象IMG，注意双引号里填写图片文件名。这里要了解，HAR特征检测分类器是个XML文件，我们可在相关网站下载得到Opencv master到zip文件，文件解压缩后有多个XML文件，这些就是已训练好的Har特征检测分类器，文件中描述人体各个部位的哈尔特征值，包括人脸、眼睛、嘴唇等，根据命名能很快知道各检测分类器用途。
以上是第一部分完整代码，导入人脸检测分类器后，我们要启动函数进行人脸检测。
第二步，启动函数进行人脸检测。首先用检测对象face启动detectmultiscale函数进行人脸检测，将检测到的人脸目标序列存储到变量facerex当中。为成功检测人脸，需对函数中参数进行设置。首先确定要检测的图像，这里用在上一步创建的绘图对象IMG。接着设置特征比对中图片的缩小比例scale factor，可这样理解，距离相机不同距离物体大小不一样，大小不一致时检测东西不方便，所以需多次缩放。然后设置miniblocks的数量，计算机会对每个目标区域的特征进行比对，我们需设定达到多少个特征数才算比对成功，这里设置为5。接着设置min size、max size，确定允许得到目标区域的最小范围和最大范围，单位是像素。如果检测出人脸，函数将返回相关数据存储在变量faces当中。
有些同学可能好奇返回的数据具体是什么，这里我们可用print函数查看返回数据的值和数据类型。利用print函数输出struct的值和数据类型，运行程序后，能看到程序输出一组数据，前部分显示数据值，后部分显示数据类型。可以看出facestrack的值是个二维数组，行数是检测出人脸的个数，这里有两行意味着检测出两张人脸。每行有4组数字，分别代表检测出人脸位置的左上角x坐标、y坐标、脸部宽度w和脸部高度h。例如第二行数据92、60、144，代表人脸位置的左上角坐标为92、60，脸部宽度为144像素，脸部高度为144像素。
以上是第二部分完整代码，获取人脸数据后，就可利用数据绘制矩形，具体如何实现，看下一段代码。
第三步，循环框出人脸。这里我们用Opencv库中的rectangle函数编译绘图命令，rectangle函数包含图像对象、矩形左上角坐标、矩形右下角坐标、颜色以及线宽5个参数。我们将图像对象设置为IMG，计算机根据获得的人脸坐标x、y以及脸部宽度w和脸部高度h确定矩形左上角坐标为x、y，矩形右下角坐标为x + w，y + h。接着在函数中设置矩形的颜色值为0、0、255，矩形的线宽为1，单位为像素，这样计算机就能在图像中画出矩形。这里要注意，因可能检测到多张人脸，所以需用for循环语句循环获取每张人脸的数据。
完成这一步，计算机已能找到人脸位置并框出人脸。为更直观看到有多少张人脸，还要在左上角画出一个实心矩形，并输出文字说明。
第四步，标注找到多少张人脸。我们用Opencv库中的rectangle函数编写绘图命令，画出矩形。这里要注意，当线宽的参数为 - 1时，代表画出实心矩形。再用protest语句设置输出的文字内容和格式，利用Straval Facex获取人脸的个数作为输出的文字内容，并设置文字的左下角坐标、字体、字号、颜色和文字宽度。