【摘要】：加载Haar模型及算法进行人脸检测的语法是：class image.Haar Cascade,其中，stages默认值为Haar Cascade级联分类器的总阶段数，也就是强分类器的个数。相关的Python代码示例如下：#加载Haar Cascade级联分类器，启用内置人脸检测模型，分类器的比对阶段数设置为25；face_cascade=image.Haar Cascadeprint开源库Haar Cascade内置已经训练好的haar模型，比如“frontalface”人脸模型或者“eye”人眼模型，编程是直接指定即可。Haar Cascade也允许应用系统使用自行训练的外部Haar模型。
加载Haar模型及算法进行人脸检测的语法是：
class image.Haar Cascade(path[,stages=Auto]),
其中，stages默认值为Haar Cascade级联分类器的总阶段数，也就是强分类器的个数。Stages值的选取要根据实际情况来选择：设置较低的阶段数可以得到较快的检测速度，但是误识率也会较高；设置较高的阶段数可以提供识别的准确度，但是牺牲了检测速度。相关的Python代码示例如下：
#加载Haar Cascade级联分类器，启用内置人脸检测模型，分类器的比对阶段数设置为25；(www.xing528.com)
face_cascade=image.Haar Cascade("frontalface",stages=25)
print(face_cascade)
开源库Haar Cascade内置已经训练好的haar模型，比如“frontalface”人脸模型或者“eye”人眼模型，编程是直接指定即可。Haar Cascade也允许应用系统使用自行训练的外部Haar模型。对于自行训练的Haar模型需要保持成统一的二进制格式文件，编程时path参数要指明模型文件的存储路径，即引号内为haar模型文件的路径。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
