3 视频人脸识别
3.2 cv2.VideoCapture().read()
flag, frame = cv2.VideoCapture(0).read()
# 功能:读取一帧的图片
# 参数:无
# 返回值:flag:bool值:True:读取到图片,False:没有读取到图片
# frame:一帧的图片
3.1 实例
# 视频人脸识别
import cv2 as cv
import numpy as np
def face_detect_demo(img):
# 将图片转换为灰度图
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 加载特征数据(分类器),harr分类器,也有其他的可以用,也可以自己训练
face_detector = cv.CascadeClassifier(
'D:/LenovoQMDownload/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
# 对gray进行识别,人脸检测完成后返回一个人脸区域faces, 其他参数选择默认时的效果不理想。
# 针对不同的场景调整后面的参数,找到满意的识别效果(250,250) 这个数字真的是调试出来的。
faces = face_detector.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=3, minSize=(250, 250))
# x,y是坐标,w,h是宽度和高度
for x, y, w, h in faces:
# print(x, y, w, h)
# 在彩色图像上绘制矩形框,调用rectangle,(x,y)是左上角,(x + w, y + h)右下角,图框颜色BGR绿色,图框宽度
cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
cv.circle(img, center=(x + w // 2, y + h // 2), radius=w // 2, color=(0, 255, 0), thickness=2)
# 画完图框后进行显示
cv.imshow('result', img)
cap = cv.VideoCapture('E:\\Picture\\video\\a1.mp4')
while True:# 循环播放视频
# read调取视频每一帧的图片
flag, frame = cap.read()
print('flag:', flag, 'frame.shape:', frame.shape)
if not flag:# 视频播放到末尾后退出
break
face_detect_demo(frame)
if ord('q') == cv.waitKey(10):
break
# 释放内存空间
cv.destroyAllWindows()
# 释放视频空间
cap.release()
使用视频:a1