千锋Python培训分享用Python实现摄像头中的人脸检测,摄像头中的人脸检测也是人脸识别的一部分, 摄像头播放的画面本质上是按帧将图片拼凑起来的, 有图片的话,获取图片的中人脸呢再上一篇中我们已经涉及了想要进行人脸识别, 我们需要OpenCV, 还是先来说一下安装的问题
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple pip install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
1.1 人脸特征数据文件的准备
安装完成之后, 我们想要进行人脸识别的话, 还需要一些表示人脸的特征数据, 这些数据文件是存放在
Python环境的安装包下的 ----> Lib ----> site packages ----> cv2 -----> data的文件夹中
如果忘记了Python环境的安装位置, 可以在命令提示符工具/终端上 输入指令where python
在data文件夹中存放的都是xml文件, 这些就是对应的特征数据文件, 将 haarcascade_frontalface_alt.xml 导入到你的编辑工具中,与当前编辑的文件在同一个目录下
1.2 替换图片的准备
我使用的是下面这张旺财脸 o(╥﹏╥)o
材料都准备完毕了, 我们就开始写代码吧
import cv2 if __name__ == '__main__': # 根据人脸特征的数据 获取人脸检测器 face_detector = cv2.CascadeClassifier('./haarcascade_frontalface_alt.xml') # 获取摄像头行为 cap = cv2.VideoCapture(0) while True: # 从摄像头中按帧返回图片 flag,frame = cap.read() if not flag : # 没有图片时flag为False break # 将获取的图片置灰 检测效率高一些 face_zones = face_detector\ .detectMultiScale(cv2.cvtColor(frame, code=cv2.COLOR_BGR2GRAY)) # 获取检测到的人脸区域 for x,y,w,h in face_zones: # 读取覆盖图片 wc = cv2.imread('./head.png') wc = cv2.resize(wc,dsize = (w,h)) # 将该图片的大小重置为人脸的大小 frame[y:y+h,x:x+w] = wc # 将人脸显示区域 替换成覆盖的图片 cv2.imshow('wangcai',frame) # 显示图片 key = cv2.waitKey(10) if key == ord('q'): # 输入q退出读取 break cv2.destroyAllWindows() cap.release()
结果显示:
摄像头中的人脸检测,也是人脸识别的一部分, 摄像头播放的画面本质上是按帧将图片拼凑起来的, 有图片的话,获取图片的中人脸呢再上一篇中我们已经涉及了
想要进行人脸识别, 我们需要OpenCV, 还是先来说一下安装的问题
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
1.1 人脸特征数据文件的准备
安装完成之后, 我们想要进行人脸识别的话, 还需要一些表示人脸的特征数据, 这些数据文件是存放在
Python环境的安装包下的 ----> Lib ----> site packages ----> cv2 -----> data的文件夹中
如果忘记了Python环境的安装位置, 可以在命令提示符工具/终端上 输入指令where python
在data文件夹中存放的都是xml文件, 这些就是对应的特征数据文件, 将 haarcascade_frontalface_alt.xml 导入到你的编辑工具中,与当前编辑的文件在同一个目录下
1.2 替换图片的准备
我使用的是下面这张旺财脸 o(╥﹏╥)o
材料都准备完毕了, 我们就开始写代码吧
import cv2
if __name__ == '__main__':
# 根据人脸特征的数据 获取人脸检测器
face_detector = cv2.CascadeClassifier('./haarcascade_frontalface_alt.xml')
# 获取摄像头行为
cap = cv2.VideoCapture(0)
while True:
# 从摄像头中按帧返回图片
flag,frame = cap.read()
if not flag : # 没有图片时flag为False
break
# 将获取的图片置灰 检测效率高一些
face_zones = face_detector\
.detectMultiScale(cv2.cvtColor(frame,
code=cv2.COLOR_BGR2GRAY))
# 获取检测到的人脸区域
for x,y,w,h in face_zones:
# 读取覆盖图片
wc = cv2.imread('./head.png')
wc = cv2.resize(wc,dsize = (w,h)) # 将该图片的大小重置为人脸的大小
frame[y:y+h,x:x+w] = wc # 将人脸显示区域 替换成覆盖的图片
cv2.imshow('wangcai',frame) # 显示图片
key = cv2.waitKey(10)
if key == ord('q'): # 输入q退出读取
break
cv2.destroyAllWindows()
cap.release()
结果显示:
相关文章
关注千锋学习站小程序
随时随地免费学习课程
扫一扫快速进入
千锋移动端页面
扫码匿名提建议
直达CEO信箱