eb开发，效劳器后端其实只是一个开端，玩了python 后端也在体验spring全家桶（学习ing)只需做一个像样的“万人会话”根本上都不会只是靠那一套“增删改查”可以完成的，都会触及到并发，并行，但是想要做好又触及到散布式，微服架构等等。此外还有更多的效劳细节，例如如何实时剖析用户爱好从而推送对应的内容等等。这些与大数据联络亲密，与散布式计算联络严密。当然也从这里我认识到python 并不合适，且不管功能，单从这里就可以看到在这一方面python的方案并不如Java，虽然它也有所选择。不过好在的是python凭仗着丰厚的类库，在机器学习，人工智能这块运用起来的简便性让它魅力照旧，当然这里且不管底层。# 环境1.python 3.7 2.opencv这个的话目前其实还是复杂的接口调用。运用的函数接口铁打的API，流水的顺序员呀！import cv2.cv2 as cvcv.imread() #读取图片cv.cvtColot() #图片颜色处置（灰度处置）cv.imwrite() #保管图片cv.imshow()  #展现图片cv.waitKey() #窗口展现（其实是等候键盘输出，IO阻塞）停留传入工夫毫秒，前往键盘按下的键位的ascll值cv.resize() #修正图片大小cv.rectangle() #绘制矩形cv.circle() #绘制圆形cv.CascadeClassifier()#运用训练模型cv.VideoCapture() #读取视频0表示读取摄像头face.LBPHFaceRecognizer_create() #数据训练cv.destoryAllWindows() #释放内存流程这里的话次要分爲两个大步走1.读取图片/视频内的人脸信息，辨认人脸地位（框出人脸地位） 2.将辨认出的人脸停止比对（特征提取）人脸检测局部图片读取/尺寸修正import cv2.cv2 as cvImage = cv.imread("Image/face1.jpg")cv.imshow("Image",Image)Image_resize = cv.resize(Image,dsize=(200,200))cv.imshow("ResizeImage",Image_resize)cv.waitKey(0)cv.destroyAllWindows()图片矩形标注import cv2.cv2 as cvimg = cv.imread(Image/face1.jpg)x,y,w,h = 100,100,100,100 #起始坐标#绘制矩形cv.rectangle(img,(x,y,x+w,y+h),color=(0,0,255),thickness=1) # 方框颜色，粗细#绘制圆形cv.circle(img,center=(x+w,y+h),radius=100,color=(255,0,0),thickness=5)#显示cv.imshow(re_img,img)cv.waitKey(0)cv.destroyAllWindows()人脸检测#导入cv模块import cv2.cv2 as cvimport cv2.data as data#读取图像img = cv.imread(Image/face1.jpg)gary = cv.cvtColor(img,cv.COLOR_BGR2GRAY)face_detect = cv.CascadeClassifier(data.haarcascades+"haarcascade_frontalface_alt2.xml")face = face_detect.detectMultiScale(gary)for x,y,w,h in face:    cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)cv.imshow(result,img)cv.waitKey(0)#释放内存cv.destroyAllWindows()函数阐明gary = cv.cvtColor(img,cv.COLOR_BGR2GRAY) 二值化处置图片face_detect = cv.CascadeClassifier(data.haarcascades+"haarcascade_frontalface_alt2.xml") 这个是加载运用人家训练好的提取头像的模型协助我们提取出图片的人脸，此外还有还有提取人眼的，等等。face =face_detect.detectMultiScale(gary)依照模型提取出人脸的大小地位，前往一个元组重点face = face_detect.detectMultiScale(gary,1.01,5,0,(100,100),(300,300))还可以这样用，1.01表示图片缩放倍数5比照次数，意思是比照了五次还是一样的话就以为是人脸0默许参数不必管，加上（100，100） （300，300） 表示人脸的范围，这个可以设置这些参数都可以不设置，间接运用默许的face_detect = cv.CascadeClassifier(data.haarcascades+"haarcascade_frontalface_alt2.xml")这里加载的模型其实是在虚拟环境下的site-pakges外面找到的