概述

在現(xiàn)代應(yīng)用中，人臉檢測(cè)是一項(xiàng)非常重要的技術(shù)，廣泛應(yīng)用于安全監(jiān)控、身份驗(yàn)證等領(lǐng)域。本文將詳細(xì)介紹如何使用 Python 和 OpenCV 庫(kù)實(shí)現(xiàn)攝像頭人臉檢測(cè)并截圖，并通過具體的代碼示例來展示整個(gè)過程。

環(huán)境準(zhǔn)備

在開始編寫代碼之前，確保已經(jīng)安裝了 OpenCV 庫(kù)。可以使用以下命令安裝：

pip install opencv-python

代碼詳解

# -*- coding: utf-8 -*-
# import 進(jìn)openCV的庫(kù)
import cv2
import os
import time# 調(diào)用攝像頭檢測(cè)人臉并截圖
def camera(window_name, path_name):# Linux 不顯示圖形界面cv2.namedWindow(window_name)# 視頻來源，來自USB攝像頭cap = cv2.VideoCapture(0)# 告訴OpenCV使用人臉識(shí)別分類器classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade_frontalface_alt.xml")# 識(shí)別出人臉后要畫的邊框的顏色，RGB格式, color是一個(gè)不可增刪的數(shù)組color = (0, 255, 0)num = 0while cap.isOpened():ok, frame = cap.read()  # 讀取一幀數(shù)據(jù)if not ok:break# 將當(dāng)前楨圖像轉(zhuǎn)換成灰度圖像grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 人臉檢測(cè)，1.2和2分別為圖片縮放比例和需要檢測(cè)的有效點(diǎn)數(shù)faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))if len(faceRects) > 0:  # 大于0則檢測(cè)到人臉for faceRect in faceRects:  # 單獨(dú)框出每一張人臉x, y, w, h = faceRectnum = num + 1# 將當(dāng)前幀保存為圖片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])# 延遲 60s，不要太頻繁的發(fā)送，知道來了就可以了# time.sleep(60)# 畫出矩形框cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)# 顯示當(dāng)前捕捉到了多少人臉圖片了font = cv2.FONT_HERSHEY_SIMPLEXcv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)# 顯示圖像 Linux 下注釋掉即可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__':camera("watchdog", os.getcwd()+"/face")

代碼解析

1. 導(dǎo)入必要的模塊

# -*- coding: utf-8 -*-
# import 進(jìn)openCV的庫(kù)
import cv2
import os
import time

• # -*- coding: utf-8 -*-：指定文件編碼為 UTF-8。
• import cv2：導(dǎo)入 OpenCV 庫(kù)，用于圖像處理和人臉檢測(cè)。
• import os：導(dǎo)入 os 模塊，用于文件路徑操作。
• import time：導(dǎo)入 time 模塊，用于延遲操作。

2. 定義 camera 函數(shù)

def camera(window_name, path_name):

• def camera(window_name, path_name):：定義一個(gè)名為 camera 的函數(shù)，參數(shù) window_name 是窗口名稱，path_name 是保存截圖的路徑。

3. 創(chuàng)建窗口

    # Linux 不顯示圖形界面cv2.namedWindow(window_name)

• cv2.namedWindow(window_name)：創(chuàng)建一個(gè)窗口，用于顯示視頻流。在 Linux 下可以注釋掉這行代碼以不顯示圖形界面。

4. 打開攝像頭

    # 視頻來源，來自USB攝像頭cap = cv2.VideoCapture(0)

• cv2.VideoCapture(0)：打開默認(rèn)攝像頭。參數(shù) 0 表示默認(rèn)攝像頭。

5. 加載人臉識(shí)別分類器

    # 告訴OpenCV使用人臉識(shí)別分類器classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade_frontalface_alt.xml")

• cv2.CascadeClassifier(...)：加載預(yù)訓(xùn)練的 Haar 級(jí)聯(lián)分類器，用于檢測(cè)人臉。
• os.getcwd()+"/haarcascade_frontalface_alt.xml"：指定分類器文件的路徑。

6. 設(shè)置邊框顏色

    # 識(shí)別出人臉后要畫的邊框的顏色，RGB格式, color是一個(gè)不可增刪的數(shù)組color = (0, 255, 0)

• color = (0, 255, 0)：定義邊框顏色為綠色。

7. 主循環(huán)

    num = 0while cap.isOpened():ok, frame = cap.read()  # 讀取一幀數(shù)據(jù)if not ok:break# 將當(dāng)前楨圖像轉(zhuǎn)換成灰度圖像grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 人臉檢測(cè)，1.2和2分別為圖片縮放比例和需要檢測(cè)的有效點(diǎn)數(shù)faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))if len(faceRects) > 0:  # 大于0則檢測(cè)到人臉for faceRect in faceRects:  # 單獨(dú)框出每一張人臉x, y, w, h = faceRectnum = num + 1# 將當(dāng)前幀保存為圖片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])# 延遲 60s，不要太頻繁的發(fā)送，知道來了就可以了# time.sleep(60)# 畫出矩形框cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)# 顯示當(dāng)前捕捉到了多少人臉圖片了font = cv2.FONT_HERSHEY_SIMPLEXcv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)# 顯示圖像 Linux 下注釋掉即可cv2.imshow(window_name, frame)c = cv2.waitKey(10)if c & 0xFF == ord('q'):break

• num = 0：初始化計(jì)數(shù)器。
• while cap.isOpened():：進(jìn)入無限循環(huán)，實(shí)時(shí)讀取攝像頭圖像。
• ok, frame = cap.read()：從攝像頭讀取一幀圖像。
• if not ok:：檢查讀取是否成功，如果失敗則退出循環(huán)。
• grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)：將圖像轉(zhuǎn)換為灰度圖像。
• faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))：檢測(cè)圖像中的人臉。
• if len(faceRects) > 0:：檢查是否檢測(cè)到人臉。
• for faceRect in faceRects:：遍歷檢測(cè)到的每個(gè)人臉。
• x, y, w, h = faceRect：獲取人臉的位置和大小。
• num = num + 1：增加計(jì)數(shù)器。
• img_name = "%s/%d.jpg" % (path_name, num)：生成保存圖像的文件名。
• image = frame[y - 10: y + h + 10, x - 10: x + w + 10]：裁剪人臉區(qū)域并擴(kuò)大邊界。
• cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])：保存圖像。
• cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)：在圖像上繪制矩形框。
• font = cv2.FONT_HERSHEY_SIMPLEX：設(shè)置字體樣式。
• cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)：在圖像上顯示當(dāng)前捕捉到的人臉數(shù)量。
• cv2.imshow(window_name, frame)：顯示帶有矩形標(biāo)記的圖像。
• c = cv2.waitKey(10)：等待 10 毫秒，等待用戶按鍵。
• if c & 0xFF == ord('q'):：按 ‘q’ 鍵退出循環(huán)。

8. 釋放資源

    # 釋放攝像頭并銷毀所有窗口cap.release()cv2.destroyAllWindows()

• cap.release()：釋放攝像頭資源。
• cv2.destroyAllWindows()：關(guān)閉所有 OpenCV 窗口。

9. 主程序入口

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

• if __name__ == '__main__':：檢查是否直接運(yùn)行此腳本。
• camera("watchdog", os.getcwd()+"/face")：調(diào)用 camera 函數(shù)，傳入窗口名稱和保存截圖的路徑。

完整代碼

# -*- coding: utf-8 -*-
# import 進(jìn)openCV的庫(kù)
import cv2
import os
import time
# 調(diào)用攝像頭檢測(cè)人臉并截圖
def camera(window_name, path_name):# Linux 不顯示圖形界面cv2.namedWindow(window_name)# 視頻來源，來自USB攝像頭cap = cv2.VideoCapture(0)# 告訴OpenCV使用人臉識(shí)別分類器classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade_frontalface_alt.xml")# 識(shí)別出人臉后要畫的邊框的顏色，RGB格式, color是一個(gè)不可增刪的數(shù)組color = (0, 255, 0)num = 0while cap.isOpened():ok, frame = cap.read()  # 讀取一幀數(shù)據(jù)if not ok:break# 將當(dāng)前楨圖像轉(zhuǎn)換成灰度圖像grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 人臉檢測(cè)，1.2和2分別為圖片縮放比例和需要檢測(cè)的有效點(diǎn)數(shù)faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))if len(faceRects) > 0:  # 大于0則檢測(cè)到人臉for faceRect in faceRects:  # 單獨(dú)框出每一張人臉x, y, w, h = faceRectnum = num+1# 將當(dāng)前幀保存為圖片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])# 延遲 60s，不要太頻繁的發(fā)送，知道來了就可以了# time.sleep(60)# 畫出矩形框cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)# 顯示當(dāng)前捕捉到了多少人臉圖片了font = cv2.FONT_HERSHEY_SIMPLEXcv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)# 顯示圖像 Linux 下注釋掉即可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__':camera("watchdog", os.getcwd()+"/face")

測(cè)試

1. 確保你的攝像頭正常工作。

2. 運(yùn)行腳本：

   python3 face_detection.py
   

3. 打開攝像頭后，你會(huì)看到一個(gè)窗口顯示實(shí)時(shí)視頻流，并且在檢測(cè)到的人臉周圍繪制綠色矩形。

4. 按 ‘q’ 鍵退出程序。

總結(jié)

本文詳細(xì)介紹了如何使用 Python 和 OpenCV 庫(kù)實(shí)現(xiàn)攝像頭人臉檢測(cè)并截圖，并通過具體的代碼示例展示了整個(gè)過程。通過使用 cv2.VideoCapture 打開攝像頭，cv2.CascadeClassifier 加載預(yù)訓(xùn)練的 Haar 級(jí)聯(lián)分類器，cv2.cvtColor 轉(zhuǎn)換圖像顏色空間，cv2.rectangle 繪制矩形，cv2.imwrite 保存圖像，最終實(shí)現(xiàn)了在實(shí)時(shí)視頻流中檢測(cè)并保存人臉圖像的功能。

---