继昨天的实作。
1.把人脸辨识模型载入faceCascade = cv2.CascadeClassifier(\'face_dedect.xml\')
2.faceRect = faceCascade.detectMultiScale(gary, 1.1, 3)回传为灰色矩形框框(辨识的图片,图片缩小倍数,相邻的框框最少几个(数字越大越严谨,侦测到的脸越少)
3.print(len(faceRect)) 看侦测到几张脸
今天先这样，明天继续。
今天进一步进行了人脸辨识的实作，首先将昨天準备好的模型face_detect.xml载入到OpenCV中，使用cv2.CascadeClassifier成功初始化了人脸检测器。这一步是实作的核心之一，因为这个模型负责辨识图片中的人脸。
接下来，我使用detectMultiScale方法对图片进行了检测，并设置了缩放倍数和相邻框框的数量，这些参数决定了人脸检测的精确度和范围。图片缩放倍数和相邻框框的设定会直接影响到检测的结果，因此对于不同的应用情境，可以调整这些参数来达到最佳的效果。
最后，透过print(len(faceRect))来检查检测到的人脸数量，这一步能够有效地反馈检测的準确性与稳定性。今天的实作让我更深入地理解了人脸检测的逻辑流程，并且通过实际操作明白了参数对结果的影响。
整体来说，今天的进展令人满意，让我对接下来的人脸辨识功能充满期待。透过这些步骤，我更加熟悉了OpenCV在人脸检测中的具体应用，接下来将继续优化这部分的代码并测试更多图片。