人脸识别的追踪识别，你的脸已经被我锁定了。

最新推荐文章于 2024-08-25 12:19:37 发布

萧鼎

最新推荐文章于 2024-08-25 12:19:37 发布

阅读量1.6k

点赞数

分类专栏：笔记文章标签： python

本文链接：https://blog.csdn.net/liaoqingjian/article/details/119865658

版权

笔记专栏收录该内容

143 篇文章 10 订阅

订阅专栏

该博客介绍了如何通过Python和OpenCV库实现人脸识别追踪。首先，下载并安装必要的库，然后加载预训练的人脸检测模型。在获取第一帧人脸后，利用MIL追踪器作为模板进行后续的人脸追踪，从而提高效率。代码示例展示了从视频中读取、灰度处理、人脸检测、追踪和显示的全过程。

摘要由CSDN通过智能技术生成

1.前提提要：
当我们在大程序中运用人脸识别的时候，我们需要一直做人脸识别，但是我们人脸识别总是需要模型的参与，每一次在人脸识别时都需要去模型中寻找人脸特征，需要耗费大量的时间，当我们识别人脸第一次的时候把人脸特征为模板，继续人脸识别的时候不再需要通过模型，而只需要通过第一帧的图片对比，相似特征的就圈出来，从而达到追踪人脸的特点，大大减少的项目运行的时间。

在这里插入图片描述
2.下载所需要的python库，命令如下

pip install opencv-python
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python

3.导入相关模块，包括sys、cv2库
在这里插入图片描述

定义一个zhui_zong()函数，在函数中写入追踪的程序代码
在这里插入图片描述

找到类型器模型并且复制在主目录中，然后代码加载该类型器
下载模型的地址百度网盘给你们
链接：https://pan.baidu.com/s/1tsGz5Wcpmlq3GuGhtGaE-Q
提取码：wifl
在这里插入图片描述
通过这段代码创建追踪器,

存在人脸时将第一张人脸设为模板，然后以这张人脸进行特征比较，一直追踪这张人脸，则可以不用在通过类型器识别人脸，大大节省的时间，首先读取视频

读取视频后转灰度然后通过类型器识别人脸
在这里插入图片描述

标出人脸的坐标
在这里插入图片描述

While True里面则是视频追踪的人脸的程序，通过第一张人脸为模板，一直追踪该人脸的特征，并且展示，直到消失不见
在这里插入图片描述
完整代码展示

import sys
import cv2


def zhui_zong():
    (major_ver, minor_ver, subminor_ver) = (cv2.__version__).split('.')
    print(major_ver, minor_ver, subminor_ver)
    faceCascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
    # 创建跟踪器
    tracker_type = 'MIL'
    tracker = cv2.TrackerMIL_create()
    # 读入视频
    video = cv2.VideoCapture("1.mp4")
    # 读入第一帧
    ok, frame = video.read()
    if not ok:
        print('Cannot read video file')
        sys.exit()
    # 定义一个bounding box
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.1,
        minNeighbors=5,
        minSize=(30, 30),
        flags=cv2.CASCADE_SCALE_IMAGE
    )
    if list(faces):
        for (x, y, w, h) in faces:
            bbox = (x, y, w, h)
            print(bbox)
    ok = tracker.init(frame, bbox)
    while True:
        ok, frame = video.read()
        if not ok:
            break
        timer = cv2.getTickCount()
        ok, bbox = tracker.update(frame)
        fps = cv2.getTickFrequency() / (cv2.getTickCount() - timer)
        if ok:
            p1 = (int(bbox[0]), int(bbox[1]))
            p2 = (int(bbox[0] + bbox[2]), int(bbox[1] + bbox[3]))
            cv2.rectangle(frame, p1, p2, (255, 0, 0), 2, 1)
        else:
            cv2.putText(frame, "Tracking failed detected", (100, 80), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2)
        cv2.putText(frame, tracker_type + "Tracker", (100, 20), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (50, 170, 50), 2)
        cv2.putText(frame, "FPS:" + str(fps), (100, 50), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (50, 170, 50), 2)
        cv2.imshow("Tracking", frame)
        k = cv2.waitKey(1) & 0xff
        if k == 27:
            break


if __name__ == '__main__':
    zhui_zong()