人工智能-OpenCV+Python实现人脸识别(视频人脸检测)

上期文章我们分享了opencv识别图片中的人脸，OpenCV图片人脸检测，本期我们分享一下如何从视频中检测到人脸

视频人脸检测

OpenCV打开摄像头特别简单，只需要如下一句代码

capture = cv2.VideoCapture(0) # 打开摄像头

打开摄像头后，我们使用如下一句代码，来获取视频中的图片（每帧图片）

ret, frame = capture.read() # 读取

有了图片我们就可以按照图片的识别方式来检测人脸了

有了以上的2句代码，再加上上期的图片识别，就可以从视频中检测人脸了

完整代码：

import cv2

capture = cv2.VideoCapture(0) # 打开摄像头

face = cv2.CascadeClassifier(r'D:\Program Files (x86)\Anaconda3\pkgs\libopencv-3.4.1-h875b8b8_3\Library\etc\haarcascades\haarcascade_frontalface_alt.xml') # 导入人脸模型

cv2.namedWindow('摄像头') # 获取摄像头画面

while True:

ret, frame = capture.read() # 读取视频图片

gray = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY) # 灰度

faces = face.detectMultiScale(gray,1.1,3,0,(100,100))

for (x, y, w, h) in faces: # 5个参数，一个参数图片 ，2 坐标原点，3 识别大小，4，颜色5，线宽

cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.imshow('摄像头', frame) # 显示

if cv2.waitKey(5) & 0xFF == ord('q'):

break

capture.release() # 释放资源

cv2.destroyAllWindows() # 关闭窗口

opencv中人脸检测使用的是 detectMultiScale函数，小编使用手机播放一段视频，截取了几张人脸检测的图片

detectMultiScale(

const Mat& image,

CV_OUT vector<Rect>& objects,

double scaleFactor = 1.1,

int minNeighbors = 3,

int flags = 0,

Size minSize = Size(),

Size maxSize = Size()

);

函数介绍：

参数1：image--待检测图片，一般为灰度图像加快检测速度；

参数2：objects--被检测物体的矩形框向量组；

参数3：scaleFactor--表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;

参数4：minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。

如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。

如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，

这种设定值一般用在用户自定义对检测结果的组合程序上；

参数5：flags--要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为

CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，

因此这些区域通常不会是人脸所在区域；

参数6、7：minSize和maxSize用来限制得到的目标区域的范围。

OpenCV作为对象检测的第三方库，其强大之处在于对象的检测，Dlib出现后，由于在人脸检测方面的准确度，得到了大家了认可，下期我们分享一下，如何使用Dlib来进行人脸的检测