上一篇博文與你們分享了簡單的圖片人臉識別技術,其實在實際應用中,不少是經過視頻流的方式進行識別,好比人臉識別通道門禁考勤系統、人臉動態跟蹤識別系統等等。python
這裏咱們仍是使用 opencv 中自帶了 haar人臉特徵分類器,經過讀取一段視頻來識別其中的人臉。git
代碼實現:數組
# -*- coding: utf-8 -*- __author__ = "小柒" __blog__ = "https://blog.52itstyle.vip/" import cv2 import os # 保存好的視頻檢測人臉並截圖 def CatchPICFromVideo(window_name, camera_idx, catch_pic_num, path_name): cv2.namedWindow(window_name) # 視頻來源 cap = cv2.VideoCapture(camera_idx) # 告訴OpenCV使用人臉識別分類器 classfier = cv2.CascadeClassifier(os.getcwd()+"\\haarcascade\\haarcascade_frontalface_alt.xml") # 識別出人臉後要畫的邊框的顏色,RGB格式, color是一個不可增刪的數組 color = (0, 255, 0) num = 0 while cap.isOpened(): ok, frame = cap.read() # 讀取一幀數據 if not ok: break grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 將當前楨圖像轉換成灰度圖像 # 人臉檢測,1.2和2分別爲圖片縮放比例和須要檢測的有效點數 faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) if len(faceRects) > 0: # 大於0則檢測到人臉 for faceRect in faceRects: # 單獨框出每一張人臉 x, y, w, h = faceRect # 將當前幀保存爲圖片 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): # 若是超過指定最大保存數量退出循環 break # 畫出矩形框 cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2) # 顯示當前捕捉到了多少人臉圖片了,這樣站在那裏被拍攝時內心有個數,不用兩眼一抹黑傻等着 font = cv2.FONT_HERSHEY_SIMPLEX cv2.putText(frame, 'num:%d/100' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4) # 超過指定最大保存數量結束程序 if num > (catch_pic_num): break # 顯示圖像 cv2.imshow(window_name, frame) c = cv2.waitKey(10) if c & 0xFF == ord('q'): break # 釋放攝像頭並銷燬全部窗口 cap.release() cv2.destroyAllWindows() if __name__ == '__main__': # 連續截100張圖像 CatchPICFromVideo("get face", os.getcwd()+"\\video\\kelake.mp4", 100, "E:\\VideoCapture")
動圖有點花,講究着看吧:ide
若是是捕捉攝像頭,只須要改變如下代碼便可:code
# 若是獲取攝像頭,參數修改成 0 便可 cap = cv2.VideoCapture(0)