番外篇1.1：抓取笔记本摄像头+cv2中的人脸识别+把人脸写入数据集

最新推荐文章于 2024-05-01 07:37:58 发布

Eropo

最新推荐文章于 2024-05-01 07:37:58 发布

阅读量1.2k

点赞数 2

分类专栏：心得体会文章标签： python opencv 图像处理

本文链接：https://blog.csdn.net/dimei0938/article/details/81940612

版权

这篇博客介绍了如何使用opencv进行人脸识别，并展示了如何创建包含自己脸部的图像数据集，为后续的深度学习模型训练做准备。通过加载opencv自带的分类器，捕获摄像头图像，将人脸框出并存储为统一尺寸的图片，以便用于训练神经网络。

摘要由CSDN通过智能技术生成

半路出家，感觉简历上没啥可写，准备试着写一写功能型的代码！
首先我们要知道cv2中是有自带的很多分类器（我这边是17个）直接加载在代码里

classfier = cv2.CascadeClassifier("F:/Anaconda/Library/etc/haarcascades/haarcascade_frontalface_alt2")

首先打开摄像头，笔记本的自带摄像头一般index都是0；

window_name = 'face_finder'
cv2.namedWindow(window_name)
cap = cv2.VideoCapture(0)

然后因为我刚开始没找到这个分类器的目录，在编译的时候加了一个判断分类器有没有成功加载的error报告：

if classfier.empty():
    raise IOError('Unable to load the face cascade classifier xml file')

我们先从视频中读取一帧：

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

然后就可以对应这一帧图像做人脸识别了。为了减少计算量，我们可以先转换图像为灰度图，再进行人脸识别：

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
faceRects = classfier.detectMultiScale(gray, scaleFactor = 1.5, minNeighbors = 3, minSize = (32, 32))
    ```
    gray为输入图像；scaleFactor是缩放比例；
    minNeighbors是对特征检测点周边多少有效点同时检测；
    minSize是检测点的最小值。
    ``