import cv2

# 导入级联分类器引擎
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
smile_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_smile.xml')
# 调用摄像头
cap = cv2.VideoCapture(0)

while (True):
    # 获取摄像头拍摄到的画面
    # cap.read()返回两个参数。ret:值为true或false，表示获取画面成功或失败, frame：获取到的画面是三维数组
    ret, frame = cap.read()

    # 用人脸级联分类器引擎进行人脸识别，返回的faces为人脸坐标列表，1.3是放大比例，2是重复次数（越大精确度越高）
    faces = face_cascade.detectMultiScale(frame, scaleFactor=1.2, minNeighbors=5, minSize=(32, 32))
    img = frame

    for (x, y, w, h) in faces:
        # 画出人脸框，蓝色，画笔宽度为2
        # （x,y）:左上角坐标  (x+w,y+h):右下角坐标
        img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

        # 框选出人脸区域，在人脸区域而不是全图中进行人眼检测，节省计算资源
        face_area = img[y:y + h, x:x + w]

        # 用微笑级联分类器引擎在人脸区域进行微笑检测
        smiles = smile_cascade.detectMultiScale(face_area, scaleFactor=1.16, minNeighbors=120, minSize=(25, 25),
                                                flags=cv2.CASCADE_SCALE_IMAGE)

        for (ex, ey, ew, eh) in smiles:
            # 画出微笑框，红色（BGR色彩体系），画笔宽度为1
            cv2.rectangle(face_area, (ex, ey), (ex + ew, ey + eh), (0, 0, 255), 1)
            cv2.putText(img, "smile", (x, y - 7), 3, 1.2, (0, 0, 225), 2, cv2.LINE_AA)

    # 实时展示效果画面
    cv2.imshow('frame2', img)
    # 每5毫秒监听一次键盘动作，按q键结束
    if cv2.waitKey(5) & 0xFF == ord("q"):
        break

# 关闭摄像头
cap.release()
# 关闭所有窗口
cv2.destroyAllWindows()