---

一、用到的库

face_recognition：实现在图片中检测人脸。
cv2：显示图片，并且可以在图像中展示检测结果。
get_package_share_directory：获取图片的真是路径

二、使用步骤

1.引入库

import face_recognition
import cv2
from ament_index_python.packages import get_package_share_directory

2.获取图片真实路径

从这里开始的代码全部写入主函数。

default_image_path = get_package_share_directory('demo_python_service') + '/resource/default.jpg'
print(f"图片的真实路径：{default_image_path}")
image = cv2.imread(default_image_path)

这里的defauly_image_path储存的是需要检测图片的真实路径，因为你的这个程序以后会储存到其他地址，所以这里不能写死。cv2.imread可以将路径中的图片以特定的参数储存到image中。从这里我们也可以发现要将需要检测人脸的图片放到哪，也就是demo_python_service下的resource文件夹里。

3.检测人脸

face_locations = face_recognition.face_locations(image,number_of_times_to_upsample = 1,model = 'hog')
print(f"人脸；位置：{face_locations}")

face_recognition.face_locations可以检测图片中的人脸，其检测结果以位置的数组储存到face_locations中（后面展示结果时我会展示face_locations的数据是怎么样的）。函数中有三个必填的参数：第一个是需要进行检测的图片（image），第二个是检测次数（1），第三个是模式（‘hog’）。

4.绘制人脸

for top,right,bottom,left in face_locations:cv2.rectangle(image,(left,top),(right,bottom),(255,0,0),4)

由上面可知我们检测人脸的结果是人脸在图片中的位置，但是这个位置只是数组，不能很直观的可视，所以我们需要调用cv2中的cv2.rectangle函数在有人脸的位置画上矩形框。

5.显示结果

cv2.imshow('Face Dectect Result',image)
cv2.waitKey(0)

最后我们将结果显示出来。

6.更改setup.py

entry_points={'console_scripts': ['learn_face_detect=demo_python_service.learn_face_detect:main',

7.完整代码

import face_recognition
import cv2
from ament_index_python.packages import get_package_share_directorydef main():#获取图片的真实路径default_image_path = get_package_share_directory('demo_python_service') + '/resource/default.jpg'print(f"图片的真实路径：{default_image_path}")image = cv2.imread(default_image_path)#检测人脸face_locations = face_recognition.face_locations(image,number_of_times_to_upsample = 1,model = 'hog')print(f"人脸；位置：{face_locations}")#绘制人脸框for top,right,bottom,left in face_locations:cv2.rectangle(image,(left,top),(right,bottom),(255,0,0),4)#结果显示cv2.imshow('Face Dectect Result',image)cv2.waitKey(0)

三、结果展示

在编译后，运行程序可以看到face_locations中储存的人脸位置是一个数组（代表图片中只有一张人脸）数组中的四个数字是矩形框的四个角的位置。

紧接着检测人脸的结果图片也显示出来。

---