我同时使用两种Haar级联算法（正面和侧面）来改进OpenCV的面部检测功能。
不幸的是，检测功能未能正常工作，我不知道如何修复它。返回值为2（在一张有5张脸的图片上，通常能检测到），而且所有矩形都消失了。
这是预期的结果（没有重叠的矩形）：
这是原始图片（也是result.jpg），如果你想自己进行测试的话。
这是代码：
import cv2import numpy as npimage=cv2.imread("/home/pi/Downloads/test.jpg")face_cascade=cv2.CascadeClassifier("/home/pi/opencv-3.4.0/data/haarcascades/haarcascade_frontalface_alt.xml")profil_cascade=cv2.CascadeClassifier("/home/pi/opencv-3.4.0/data/haarcascades/haarcascade_profileface_alt.xml")gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)face=face_cascade.detectMultiScale(gray, 1.06, 5)profil=profil_cascade.detectMultiScale(gray, 1.1, 5)combined_array=np.append(face, profil, axis=0)combined_list=combined_array.tolist()result=cv2.groupRectangles(combined_list,2)print("I've found "+str(len(result))+ " face(s)")for (x,y,w,h) in result[0]: cv2.rectangle(image,(x,y),(x+w,y+h),(0,0,255),2)cv2.imwrite("/home/pi/Download/result.jpg", image)回答：
经过大量研究，我部分解决了这个问题。
我更改了result=cv2.groupRectangles中的Threshold和EPS值，并且在print函数中对总检测到的人脸数（在combined_list中）和重叠检测的数量（由result返回）进行了减法运算。
这是新的代码：
import cv2import numpy as npimage=cv2.imread("/home/pi/Downloads/test.jpg")face_cascade=cv2.CascadeClassifier("/home/pi/opencv-3.4.0/data/haarcascades/haarcascade_frontalface_alt.xml")profil_cascade=cv2.CascadeClassifier("/home/pi/opencv-3.4.0/data/haarcascades/haarcascade_profileface_alt.xml")gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)face=face_cascade.detectMultiScale(gray, 1.06, 5)profil=profil_cascade.detectMultiScale(gray, 1.1, 5)combined_array=np.append(face, profil, axis=0)combined_list=combined_array.tolist()result=cv2.groupRectangles(combined_list,1,0.85)print("I've found "+str(len(combined_list)-str(len(result[1]))+ " face(s)")for (x,y,w,h) in result[0]: cv2.rectangle(image,(x,y),(x+w,y+h),(0,0,255),2)cv2.imwrite("/home/pi/Download/result.jpg", image)最后，程序给出了正确的人脸数量（5），并重新绘制了重叠的矩形（这是好消息），但非重叠的矩形却消失了…
我尝试通过在combined_list和result的坐标之间使用np.subtract来解决这个问题，然后用for (x,y,w,h) in np.subtract[0]绘制缺失的矩形，但这不起作用。原因是重叠矩形的坐标点直接重新计算，所以我无法用原始坐标点进行减法运算
如果有人有解决这个问题的想法，请不要犹豫:)
