脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python OpenCV 人脸检测

使用 Python 和 OpenCV 实现摄像头人脸检测并截图功能

 更新时间：2024年11月13日 10:46:53   作者：燕鹏01  
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,感兴趣的朋友一起看看吧

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。

到此这篇关于使用 Python 和 OpenCV 实现摄像头人脸检测并截图的文章就介绍到这了,更多相关Python OpenCV 人脸检测内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • 对Python3中列表乘以某一个数的示例详解

    对Python3中列表乘以某一个数的示例详解

    今天小编就为大家分享一篇对Python3中列表乘以某一个数的示例详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-07-07
  • 基于opencv实现手势控制音量(案例详解)

    基于opencv实现手势控制音量(案例详解)

    这篇文章主要介绍了基于opencv的手势控制音量和ai换脸,通过定义了一个名为 handDetector 的类，用于检测和跟踪手部，结合实例代码给大家介绍的非常详细，需要的朋友可以参考下
    2023-08-08
  • Python爬虫之UserAgent的使用实例

    Python爬虫之UserAgent的使用实例

    今天小编就为大家分享一篇关于Python爬虫之UserAgent的使用实例，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧
    2019-02-02
  • flask session组件的使用示例

    flask session组件的使用示例

    这篇文章主要介绍了flask session组件的使用示例，详细介绍内置session以及第三方session组件的使用方法以及处理机制，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2018-12-12
  • Python基础语法之容器详解

    Python基础语法之容器详解

    这篇文章主要介绍了Python基础语法之容器的相关资料，帮助大家更好的理解和学习python，感兴趣的朋友可以了解下，希望能够给你带来帮助
    2021-09-09
  • python升级pip及失败处理方式

    python升级pip及失败处理方式

    这篇文章主要介绍了python升级pip及失败处理方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
    2023-02-02
  • python利用正则表达式搜索单词示例代码

    python利用正则表达式搜索单词示例代码

    正则表达式本身是一种小型的、高度专业化的编程语言，下面这篇文章主要给大家介绍了关于python利用正则表达式实现搜索单词的相关资料，文中给出了详细的示例代码，需要的朋友可以参考借鉴，下面来一起看看吧。
    2017-09-09
  • 用Django写天气预报查询网站

    用Django写天气预报查询网站

    今天小编就为大家分享一篇关于用Django写天气预报查询网站的文章，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧
    2018-10-10
  • 新手如何快速入门Python(菜鸟必看篇)

    新手如何快速入门Python(菜鸟必看篇)

    下面小编就为大家带来一篇新手如何快速入门Python(菜鸟必看篇)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2017-06-06
  • Python列表切片操作实例探究(提取复制反转)

    Python列表切片操作实例探究(提取复制反转)

    在Python中,列表切片是处理列表数据非常强大且灵活的方法,本文将全面探讨Python中列表切片的多种用法,包括提取子列表、复制列表、反转列表等操作,结合丰富的示例代码进行详细讲解
    2024-01-01

最新评论