使用 Python 和 OpenCV 实现摄像头人脸检测并截图-天翼云

使用 Python 和 OpenCV 实现摄像头人脸检测并截图

2024-12-18 08:24:44 阅读次数：17

概述

在现代应用中，人脸检测是一项非常重要的技术，广泛应用于安全监控、身份验证等领域。本文将详细介绍如何使用 Python 和 OpenCV 库实现摄像头人脸检测并截图，并通过具体的代码示例来展示整个过程。

环境准备

在开始编写代码之前，确保已经安装了 OpenCV 库。可以使用以下命令安装：

pip install opencv-python

代码详解

# -*- coding: utf-8 -*-
# import 进openCV的库
import cv2
import os
import time

# 调用摄像头检测人脸并截图
def camera(window_name, path_name):

    # Linux 不显示图形界面
    cv2.namedWindow(window_name)

    # 视频来源，来自USB摄像头
    cap = cv2.VideoCapture(0)

    # 告诉OpenCV使用人脸识别分类器
    classfier = cv2.CascadeClassifier(os.getcwd()+"/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

        # 将当前桢图像转换成灰度图像
        grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 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
                num = num + 1
                # 将当前帧保存为图片
                img_name = "%s/%d.jpg" % (path_name, num)
                image = frame[y - 10: y + h + 10, x - 10: x + w + 10]
                cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])

                # 延迟 60s，不要太频繁的发送，知道来了就可以了
                # time.sleep(60)
                # 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
                font = cv2.FONT_HERSHEY_SIMPLEX
                cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)

        # 显示图像 Linux 下注释掉即可
        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__':
    camera("watchdog", os.getcwd()+"/face")

代码解析

1. 导入必要的模块

# -*- coding: utf-8 -*-
# import 进openCV的库
import cv2
import os
import time

# -*- coding: utf-8 -*-：指定文件编码为 UTF-8。
import cv2：导入 OpenCV 库，用于图像处理和人脸检测。
import os：导入 os 模块，用于文件路径操作。
import time：导入 time 模块，用于延迟操作。

2. 定义 `camera` 函数

def camera(window_name, path_name):

def camera(window_name, path_name):：定义一个名为 camera 的函数，参数 window_name 是窗口名称，path_name 是保存截图的路径。

3. 创建窗口

# Linux 不显示图形界面
    cv2.namedWindow(window_name)

cv2.namedWindow(window_name)：创建一个窗口，用于显示视频流。在 Linux 下可以注释掉这行代码以不显示图形界面。

4. 打开摄像头

# 视频来源，来自USB摄像头
    cap = cv2.VideoCapture(0)

cv2.VideoCapture(0)：打开默认摄像头。参数 0 表示默认摄像头。

5. 加载人脸识别分类器

# 告诉OpenCV使用人脸识别分类器
    classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade_frontalface_alt.xml")

cv2.CascadeClassifier(...)：加载预训练的 Haar 级联分类器，用于检测人脸。
os.getcwd()+"/haarcascade_frontalface_alt.xml"：指定分类器文件的路径。

6. 设置边框颜色

# 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)

color = (0, 255, 0)：定义边框颜色为绿色。

7. 主循环

num = 0
    while cap.isOpened():
        ok, frame = cap.read()  # 读取一帧数据
        if not ok:
            break

        # 将当前桢图像转换成灰度图像
        grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 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
                num = num + 1
                # 将当前帧保存为图片
                img_name = "%s/%d.jpg" % (path_name, num)
                image = frame[y - 10: y + h + 10, x - 10: x + w + 10]
                cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])

                # 延迟 60s，不要太频繁的发送，知道来了就可以了
                # time.sleep(60)
                # 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
                font = cv2.FONT_HERSHEY_SIMPLEX
                cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)

        # 显示图像 Linux 下注释掉即可
        cv2.imshow(window_name, frame)
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):
            break

num = 0：初始化计数器。
while cap.isOpened():：进入无限循环，实时读取摄像头图像。
ok, frame = cap.read()：从摄像头读取一帧图像。
if not ok:：检查读取是否成功，如果失败则退出循环。
grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)：将图像转换为灰度图像。
faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))：检测图像中的人脸。
if len(faceRects) > 0:：检查是否检测到人脸。
for faceRect in faceRects:：遍历检测到的每个人脸。
x, y, w, h = faceRect：获取人脸的位置和大小。
num = num + 1：增加计数器。
img_name = "%s/%d.jpg" % (path_name, num)：生成保存图像的文件名。
image = frame[y - 10: y + h + 10, x - 10: x + w + 10]：裁剪人脸区域并扩大边界。
cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])：保存图像。
cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)：在图像上绘制矩形框。
font = cv2.FONT_HERSHEY_SIMPLEX：设置字体样式。
cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)：在图像上显示当前捕捉到的人脸数量。
cv2.imshow(window_name, frame)：显示带有矩形标记的图像。
c = cv2.waitKey(10)：等待 10 毫秒，等待用户按键。
if c & 0xFF == ord('q'):：按 ‘q’ 键退出循环。

8. 释放资源

# 释放摄像头并销毁所有窗口
    cap.release()
    cv2.destroyAllWindows()

cap.release()：释放摄像头资源。
cv2.destroyAllWindows()：关闭所有 OpenCV 窗口。

9. 主程序入口

if __name__ == '__main__':
    camera("watchdog", os.getcwd()+"/face")

if __name__ == '__main__':：检查是否直接运行此脚本。
camera("watchdog", os.getcwd()+"/face")：调用 camera 函数，传入窗口名称和保存截图的路径。

完整代码

# -*- coding: utf-8 -*-
# import 进openCV的库
import cv2
import os
import time
# 调用摄像头检测人脸并截图
def camera(window_name, path_name):

    # Linux 不显示图形界面
    cv2.namedWindow(window_name)

    # 视频来源，来自USB摄像头
    cap = cv2.VideoCapture(0)

    # 告诉OpenCV使用人脸识别分类器
    classfier = cv2.CascadeClassifier(os.getcwd()+"/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

        # 将当前桢图像转换成灰度图像
        grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 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
                num = num+1
                # 将当前帧保存为图片
                img_name = "%s/%d.jpg" % (path_name, num)
                image = frame[y - 10: y + h + 10, x - 10: x + w + 10]
                cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])

                # 延迟 60s，不要太频繁的发送，知道来了就可以了
                # time.sleep(60)
                # 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
                font = cv2.FONT_HERSHEY_SIMPLEX
                cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)

        # 显示图像 Linux 下注释掉即可
        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__':
    camera("watchdog", os.getcwd()+"/face")

测试

确保你的摄像头正常工作。
运行脚本：

python3 face_detection.py

打开摄像头后，你会看到一个窗口显示实时视频流，并且在检测到的人脸周围绘制绿色矩形。
按 ‘q’ 键退出程序。

总结

本文详细介绍了如何使用 Python 和 OpenCV 库实现摄像头人脸检测并截图，并通过具体的代码示例展示了整个过程。通过使用 cv2.VideoCapture 打开摄像头，cv2.CascadeClassifier 加载预训练的 Haar 级联分类器，cv2.cvtColor 转换图像颜色空间，cv2.rectangle 绘制矩形，cv2.imwrite 保存图像，最终实现了在实时视频流中检测并保存人脸图像的功能。

活动

智算服务

应用商城

合作伙伴

开发者

支持与服务

了解天翼云

使用 Python 和 OpenCV 实现摄像头人脸检测并截图

使用 Python 和 OpenCV 实现摄像头人脸检测并截图

概述

环境准备

代码详解

代码解析

1. 导入必要的模块

2. 定义 camera 函数

3. 创建窗口

4. 打开摄像头

5. 加载人脸识别分类器

6. 设置边框颜色

7. 主循环

8. 释放资源

9. 主程序入口

完整代码

测试

总结

相关文章

Camera模组硬件的构成

零基础玩转C语言系列第二章——分支语句

QT从入门到精通（三）——实现文件列表遍历的图像浏览器

传统CV算法——基于opencv的答题卡识别判卷系统

diffusionAI从入门到精通——基本组件介绍

传统CV算法——边缘检测算法综述

Python算法学习[11]—图像问题&问题描述与实现

《Java游戏编程原理与实践教程》读书笔记（第4章——Java游戏程序的基本框架）

python 无监督生成模型

python使用t-sne算法降维，方便可视化

作者介绍

最新文章

零基础玩转C语言系列第二章——分支语句

Python算法学习[11]—图像问题&问题描述与实现

【C++前后缀分解 最大子段和】1191. K 次串联后最大子数组之和|1747

【向上取整/向下取整】C语言向上或向下取整 函数

【C++图论】1993. 树上的操作|1861

Python基于OpenCV实现的人脸识别和笑容检测

热门文章

【C++】C++ STL中 next_permutation,prev_permutation函数的用法

【C++ 博弈论 数学】1927. 求和游戏|2004

OpenCV从入门到精通实战(三)——全景图像拼接

OpenCV基本图像处理操作（五）——图像数据操作

YOLOv8 ONNX推理代码讲解——基于numpy实现

使用 Python 和 OpenCV 实现实时人脸识别

热门标签

相关产品

弹性云主机

天翼云电脑（公众版）

对象存储

云硬盘

随机文章

Python中的图像处理库

【C++图论】1993. 树上的操作|1861

使用Python和OpenCV连接并处理IP摄像头视频流

使用 Python 和 OpenCV 实现实时人脸识别

信息学奥赛一本通（C++）在线评测系统——基础（一）C++语言—— 1123：图像相似度

使用 OpenCV 在 Python 中绘制基本图形

2. 定义 `camera` 函数

【C++前后缀分解最大子段和】1191. K 次串联后最大子数组之和|1747

【向上取整/向下取整】C语言向上或向下取整函数

【C++ 博弈论数学】1927. 求和游戏|2004