现在很多智能手机或者照相机都有人脸检测的功能了。不仅如此，现在的人工智能还能对照片进行比对看两个照片是不是同一个人，或者基于一个样本库，直接识别照片中人的姓名，正确率一般能达到80%以上。
人脸定位
功能：在一张照片中定位所有人脸的位置。
实现：使用python sklearn和openCV进行人脸检测和定位。
找到代码：face-boxer.py
https://gist.github.com/dannguyen/cfa2fb49b28c82a1068f#file-face-boxer-py
使用时出现问题：
问题1
由于我在ubuntu上安装的是最新版本的openCV3.0.0，有些语句更改了，造成原始代码错误：
"face_detect.py", line 21, in flags = cv2.cv.CV_HAAR_SCALE_IMAGE AttributeError: 'module' object has no attribute 'cv'
问题解决的办法：
具体方法如下：
the cv2.cv submodule got removed in opencv3.0, also some constants were changed.
please use cv2.CASCADE_SCALE_IMAGE instead
(do a help(cv2) to see the updated constants)
参见opencv 3.0.0-dev python bindings not working properly - Stack Overflow
实际上只需要将原来的cv2.cv.CV_HAAR_SCALE_IMAGE替换为cv2.CASCADE_SCALE_IMAGE
问题2
之后又发现程序不报错，但是不能产生人脸识别好的图片
处理：
修改产生图片文件名的那一句，去掉/temp/等内容，之后就可以正常产生人脸检测的图片了。
总结：下次遇到问题，特别是程序运行出错，去http://stackoverflow.com找答案会比较便捷。
实际上我在安装openCV的时候也遇到了麻烦，最后参照下面教程安装成功：
Installing OpenCV 3.0.0 on Ubuntu 14.04 » Rodrigo Berriel
http://rodrigoberriel.com/2014/10/installing-opencv-3-0-0-on-ubuntu-14-04/
这个教程提供了自动安装的脚本，但是我还是手动安装的。
人脸识别
Python的好处就是可以用二三十行的语句就能完成几乎所有任务
学习资源：
5.5.4. The Labeled Faces in the Wild face recognition dataset — scikit-learn 0.17 documentation
这个资源介绍了LFW数据库和其用法，lfw是一个从互联网上获得的名人人脸数据库。
Faces recognition example using eigenfaces and SVMs — scikit-learn 0.17 documentation
http://scikit-learn.org/stable/auto_examples/applications/face_recognition.html
我跑的代码也是上面这个，文件名face_recognition.py
对这个代码详细解释的教程见这里：
Machine learning for facial recognition | EFavDB
http://efavdb.com/machine-learning-for-facial-recognition-3/
进一步学习
下面是一个叫Frolian的程序员博客，介绍了如何通过类似的方法在摄像头中识别笑脸。有空可以好好研究一下。
Smile Recognition Using OpenCV and scikit-learn
http://flothesof.github.io/smile-recognition.html
关于机器学习的另一个比较经典的学习资源：
2.11. scikit-learn: machine learning in Python — Scipy lecture notes
http://www.scipy-lectures.org/advanced/scikit-learn/index.html
