---恢復內容開始---

一、簡單的識別

　　1、使用opencv進行貓的識別

 1 import cv2
 2 import numpy as np
 3 # 讀取圖片
 4 cat= cv2.imread('./cat.jpg')
 5 # 將彩色圖片變成黑白圖片，識別速度更快，提高效率
 6 gray = cv2.cvtColor(cat,code=cv2.COLOR_BGR2GRAY)
 7 # 針對具體的HAAR特徵的級聯分類器
 8 cat_head_detector = cv2.CascadeClassifier('./haarcascade_frontalcatface.xml
 
')
 9 # 使用cat_dead_detector中的方法進行人臉檢測
10 cat_zone = cat_head_detector.detectMultiScale(gray,scaleFactor=1.1,minNeighbors = 5,minSize=(40,40),maxSize=(80,80))
11 for x,y,w,h in cat_zone:
12     cv2.rectangle=(cat, pt1=(x,y), pt2=(x+w,y+h),color=[0,0,255],thickness=2)
13 
14 cv2.imshow('cat', cat)　　　　# 展示圖片
 
15 cv2.waitKey(0)   　　　　　　　# 在鍵盤上按某個鍵退出圖片
16 cv2.destroyALLWindows()　　　 # 因為opencv底層是c++，得釋放記憶體

第八行：cv2.CascadeClassifier 是一個基於Haar特徵的物件檢測級聯分類器。在訓練分類器後，可以將應用於輸入影象中感興趣
的區域，如果可能是是別的輸出1，否則為0。分類器名稱中的級聯意味著所得分類器由幾個更簡單的分類器（階段）組成。
　　使用的時候直接將特徵放到分類器中便可。
第十行：cat_head_detector.detectMultiScale進行人臉檢測。
　　第一個引數：　　需要識別的黑白化的圖片
　　第二個引數：　　待檢測物件，縮放比例。預設值為1.1，值必須大於1.0
　　第三個引數：　　minNeighbors 周圍檢測的數量，作為篩選條件，值越大越苛刻
　　第四個引數：　　minSize 識別的最小區域
　　第五個引數：　　maxSize 識別的最大區域
第十二行：cv2.rectangle（）繪製識別出來的區域，這裡使用的是矩形
　　第一個引數：　　需要識別的圖片
　　第二個引數：　　矩形的左上角座標
　　第三個引數：　　矩形的右下角座標 （因為兩個頂點能確定一個矩形，所以取兩個頂點就行了）
　　第四個引數：　　識別出來的框的顏色因為這裡是BGR模式，所以在color中表示為[藍，綠，紅]
　　第五個引數：　　矩形線條大小