前言
上一篇博文 https://blog.52itstyle.vip/archives/3771/ 与大家分享了简单的图片人脸识别技术, 其实在实际应用中, 很多是通过视频流的方式进行识别, 比如人脸识别通道门禁考勤系统, 人脸动态跟踪识别系统等等.
案例
这里我们还是使用 opencv 中自带了 haar 人脸特征分类器, 通过读取一段视频来识别其中的人脸.
代码实现:
- # -*- coding: utf-8 -*-
- __author__ = "小柒"
- __blog__ = "https://blog.52itstyle.vip/"
- import cv2
- import os
- # 保存好的视频检测人脸并截图
- def CatchPICFromVideo(window_name, camera_idx, catch_pic_num, path_name):
- cv2.namedWindow(window_name)
- # 视频来源
- cap = cv2.VideoCapture(camera_idx)
- # 告诉 OpenCV 使用人脸识别分类器
- classfier = cv2.CascadeClassifier(os.getcwd()+"\\haarcascade\\haarcascade_frontalface_alt.xml")
- # 识别出人脸后要画的边框的颜色, RGB 格式, color 是一个不可增删的数组
- color = (0, 255, 0)
- num = 0
- while cap.isOpened():
- ok, frame = cap.read() # 读取一帧数据
- if not ok:
- break
- grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 将当前桢图像转换成灰度图像
- # 人脸检测, 1.2 和 2 分别为图片缩放比例和需要检测的有效点数
- faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
- if len(faceRects)> 0: # 大于 0 则检测到人脸
- for faceRect in faceRects: # 单独框出每一张人脸
- x, y, w, h = faceRect
- # 将当前帧保存为图片
- img_name = "%s/%d.jpg" % (path_name, num)
- # print(img_name)
- image = frame[y - 10: y + h + 10, x - 10: x + w + 10]
- cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])
- num += 1
- if num> (catch_pic_num): # 如果超过指定最大保存数量退出循环
- break
- # 画出矩形框
- cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
- # 显示当前捕捉到了多少人脸图片了, 这样站在那里被拍摄时心里有个数, 不用两眼一抹黑傻等着
- font = cv2.FONT_HERSHEY_SIMPLEX
- cv2.putText(frame, 'num:%d/100' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)
- # 超过指定最大保存数量结束程序
- if num> (catch_pic_num): break
- # 显示图像
- cv2.imshow(window_name, frame)
- c = cv2.waitKey(10)
- if c & 0xFF == ord('q'):
- break
- # 释放摄像头并销毁所有窗口
- cap.release()
- cv2.destroyAllWindows()
- if __name__ == '__main__':
- # 连续截 100 张图像
- CatchPICFromVideo("get face", os.getcwd()+"\\video\\kelake.mp4", 100, "E:\\VideoCapture")
动图有点花, 讲究着看吧:
如果是捕捉摄像头, 只需要改变以下代码即可:
- # 如果获取摄像头, 参数修改为 0 即可
- cap = cv2.VideoCapture(0)
源码
来源: https://www.cnblogs.com/smallSevens/p/10479151.html