前言

上一篇博文與大家分享了簡單的圖片人臉識別技術，其實在實際應用中，很多是通過視頻流的方式進行識別，比如人臉識別通道門禁考勤系統、人臉動態跟蹤識別系統等等。

案例

這里我們還是使用 opencv 中自帶了 haar人臉特征分類器，通過讀取一段視頻來識別其中的人臉。

代碼實現：

# -*- coding: utf-8 -*-

__author__ = "小柒"

__blog__ = "外鏈網址已屏蔽;

import cv2

import os

# 保存好的視頻檢測人臉并截圖

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")

# 識別出人臉后要畫的邊框的顏色，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分別為圖片縮放比例和需要檢測的有效點數

faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))

if len(faceRects) > 0: # 大于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

# 將當前幀保存為圖片

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): # 如果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，這樣站在那里被拍攝時心里有個數，不用兩眼一抹黑傻等著

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

# 釋放攝像頭并銷毀所有窗口

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，講究著看吧：

如果是捕捉攝像頭，只需要改變以下代碼即可：

# 如果獲取攝像頭，參數修改為 0 即可

cap = cv2.VideoCapture(0)

源碼

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的python视频人脸检测_Python学习案例之视频人脸检测识别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。