Python动态人脸识别

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python动态人脸识别，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1870字，纯文字阅读大概需要3分钟。

内容图文

这里介绍使用摄像头捕获实时人脸信息

'''
从摄像头捕获实时画面进行人脸检测
'''
import cv2
# 准备面部检测引擎和人眼检测引擎
# 注意调用方法没有任何区别
# 只是选择的xml文件不一样
# 面部检测是haarcascade_frontalface_default.xml
# 人眼检测是haarcascade_eye.xml
face_engine = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml')
# 调用VideoCapture函数
# 参数设为0表示打开本地默认摄像头
# 参数若为文件路径也可以打开一个本地的视频文件
# 返回一个VideoCapture对象
cap = cv2.VideoCapture(0)
# 应该是设置屏幕亮度的参数
# 默认以下设置
cap.set(10,10)
# 由于人脸检测是在静态的图片上进行
# 所以需要对摄像头捕获的内容进行逐帧检测
# 定义下面的循环体
while True:
    # 调用read函数读取每一帧的图片
    # 返回两个值
    # success表示若图片读取成功返回True
    # frame表示返回的Image对象
    success, frame = cap.read()
    # 使用面部识别引擎检测人脸
    # 返回一个包含面部区域信息的可迭代对象
    faces = face_engine.detectMultiScale(frame, 1.3, 3)
    # 对每个面部区域画出矩形
    for (x,y,w,h) in faces:
        # 在图片frame上绘制矩形
        img1 = cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)
        # 截取人脸区域
        # 因为人眼在人脸上
        # 所以人眼检测一定在面部区域进行
        # 可以提高检测的效率
        face_area = img1[y:y+h,x:x+w]
        # 人眼检测
        eyes = eye_cascade.detectMultiScale(face_area,1.3,3)
        # 绘制人眼矩形区域
        for (ex,ey,ew,eh) in eyes:
            cv2.rectangle(face_area,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
    # 绘制好矩形区域后，创建图片显示窗口
    cv2.imshow('Face_recognition', frame)
    # 条件限制
    # 表示键盘每隔5毫秒监听一次
    # 0xFF == ord('q')表示按下键盘上的Q键触发动作break退出循环
    # 注意这里的Q键必须要在英文输入法条件下进行
    if cv2.waitKey(5) & 0xFF == ord('q'):
            break
# 调用release函数关闭摄像头
# 这个要特别注意!
cap.release()
# 顾名思义，清理窗口、退出窗口
cv2.destroyAllWindows()

最后会这样显示

比如奥观海，一般计算机视觉行内人都是必备奥观海的图片的，就像之前说过的Lena图一样。

这是实时拍摄的嗷！

内容总结

以上是互联网集市为您收集整理的Python动态人脸识别全部内容，希望文章能够帮你解决Python动态人脸识别所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端