import cv2 as cv
import numpy as np


def face_detect_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)

    ##疊加分類器
    face_detector = cv.CascadeClassifier("M:/opencv3&python視訊 淘寶一枝紅梨/2-贈送OpenCV視覺處理核心課程/opencv-3.0.0/data/lbpcascades/lbpcascade_frontalcatface.xml")
    faces = face_detector.detectMultiScale(gray, 1.1, 20)
    #detectMultiScale
    ##引數1：image–待檢測圖片，一般為灰度影象加快檢測速度；
    # 引數2：objects–被檢測物體的矩形框向量組；為輸出量，如人臉檢測矩陣Mat
    # 引數3：scaleFactor–表示在前後兩次相繼的掃描中，搜尋視窗的比例係數。預設為1.1即每次搜尋視窗依次擴大10%;一般設定為1.1
    # 引數4：minNeighbors–表示構成檢測目標的相鄰矩形的最小個數(預設為3個)。
    # 如果組成檢測目標的小矩形的個數和小於 min_neighbors - 1 都會被排除。
    # 如果min_neighbors 為 0, 則函式不做任何操作就返回所有的被檢候選矩形框，
    # 這種設定值一般用在使用者自定義對檢測結果的組合程式上；
    # 引數5：flags–要麼使用預設值，要麼使用CV_HAAR_DO_CANNY_PRUNING，如果設定為CV_HAAR_DO_CANNY_PRUNING，那麼函式將會使用Canny邊緣檢測來排除邊緣過多或過少的區域，因此這些區域通常不會是人臉所在區域；
    # 引數6、7：minSize和maxSize用來限制得到的目標區域的範圍。也就是我本次訓練得到實際專案尺寸大小
    for x, y, w, h in faces:
        cv.rectangle(image, (x, y), (x+w, y+h), (0, 0, 255), 2)
    cv.imshow("result", image)
print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("C:/Users/weiqiangwen/Desktop/sest/data/lena.jpg")
# cv.namedWindow("input contours",cv.WINDOW_AUTOSIZE)
cv.imshow("contours", src)
capture = cv.VideoCapture(0)
#cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.namedWindow("result", cv.WINDOW_AUTOSIZE)
while(True):
    ret, frame = capture.read()
    frame = cv.flip(frame, 1)
    face_detect_demo(frame)
    c = cv.waitKey(10)
    if c == 27: # ESC
        break
cv.waitKey(0)

cv.destroyAllWindows()