视频人脸检测——OpenCV版三

视频人脸检测是图片人脸检测的高级版本，图片检测详情点击查看我的上一篇《图片人脸检测——OpenCV版（二）》 

 

往期目录

 

视频人脸检测——Dlib版（六）
OpenCV添加中文（五）
图片人脸检测——Dlib版（四）
视频人脸检测——OpenCV版（三）
图片人脸检测——OpenCV版（二）
OpenCV环境搭建（一）
更多更新，欢迎访问我的github：https://github.com/vipstone/faceai

实现思路：

调用电脑的摄像头，把摄像的信息逐帧分解成图片，基于图片检测标识出人脸的位置，把处理的图片逐帧绘制给用户，用户看到的效果就是视频的人脸检测。

效果预览：

实现步骤

使用OpenCV调用摄像头并展示

获取摄像头：

cap = cv2.VideoCapture(0)

参数0表示，获取第一个摄像头。

显示摄像头 逐帧显示，代码如下：

while (1): 
    ret,img = cap.read()
    cv2.imshow("Image",img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()  # 释放摄像头
cv2.destroyAllWindows()  # 释放窗口资源

cv2.waitKey(1) & 0xFF使用了“&”位元算法，含义是获取用户输入的最后一个字符的ASCII码，如果输入的是“q”，则跳出循环。

视频的人脸识别

这个时候，用到了上一节的《图片人脸检测——OpenCV版（二）》 把人脸识别的代码封装成方法，代码如下：

def discern(img):
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    cap = cv2.CascadeClassifier(
        "C:\Python36\Lib\site-packages\opencv-master\data\haarcascades\haarcascade_frontalface_default.xml"
    )
    faceRects = cap.detectMultiScale(
        gray,scaleFactor=1.2,minNeighbors=3,minSize=(50,50))
    if len(faceRects):
        for faceRect in faceRects:
            x,y,w,h = faceRect
            cv2.rectangle(img,(x,y),(x + h,y + w),(0,255,0),2)  # 框出人脸
    cv2.imshow("Image",img)

 再循环摄像头帧图片的时候，调用图片识别方法即可，代码如下：

# 获取摄像头0表示第一个摄像头
cap = cv2.VideoCapture(0)
while (1):  # 逐帧显示
    ret,img = cap.read()
    # cv2.imshow("Image",img)
    discern(img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()  # 释放摄像头
cv2.destroyAllWindows()  # 释放窗口资源

　　

完整的代码如下：

# -*- coding:utf-8 -*-
# OpenCV版本的视频检测
import cv2


# 图片识别方法封装
def discern(img):
    gray = cv2.cvtColor(img,img)


# 获取摄像头0表示第一个摄像头
cap = cv2.VideoCapture(0)
while (1):  # 逐帧显示
    ret,img)
    discern(img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()  # 释放摄像头
cv2.destroyAllWindows()  # 释放窗口资源