Python HAAR人脸检测无法按预期工作

我目前正在使用OpenCV进行人脸检测。我通过cascade trainer GUI使用正面和负面图像完成了培训。但是，当我运行代码测试人脸检测时，只有第一张图像有效（仅当.detectMultiScale设置为灰色，1.01,7时），而其他图像无效

import cv2
import numpy as np

face_cascade = cv2.CascadeClassifier('classifier/cascade.xml')

img = cv2.imread('p/pic2.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

faces = face_cascade.detectMultiScale(gray,1.01,7)
for (x,y,w,h) in faces:
    img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)

cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

我所有的正面图像都是灰度的，它们的大小是（600600）。我的负片图像尺寸较大，但不是灰度。有80张正片和160张负片。我确定这是否会影响结果。

如果使用此代码（没有任何更改），则只处理一个图像（pic2.png）。对于多个图像，您需要在特定文件夹的图像路径中循环。

如果您使用此代码（无任何更改），则只处理一个图像（pic2.png）。对于多个图像，您需要循环浏览特定文件夹中的图像路径。

• 首先，你的负面和正面形象都应该是正确的 灰度
• 第二，你没有说你是如何给自己的积极态度贴上标签的 获取正向量的图像
• 第三，你的图片数量（正反）不够，而且 难以获得好的结果。（建议至少900负和1800位）
• 最后，我假设您使用的是xml，您是在哪个阶段完成培训的

我的建议是循序渐进。我以前使用过本教程并训练过许多对象，因此遵循本教程很好

首先，你的负面和正面形象都应该是正确的 灰度

第二，你没有说你是如何给自己的积极态度贴上标签的 获取正向量的图像

第三，你的图片数量（正反）不够，而且 难以获得好的结果。（建议至少900负和1800位）

最后，我假设您使用的是xml，您是在哪个阶段完成培训的

---

我的建议是循序渐进。我以前使用过本教程并训练过许多对象，所以当我为pic1.png运行本教程时，很好地遵循

，但对于其他所有对象，它都不起作用。当我为pic1.png运行本教程时，它起作用，但对于其他所有对象，它都不起作用。