人工神经网络学习（一）

今日的学习内容：用opencv-python库打开摄像头，定义一个面部正面探测器，并设定脸部图像坐标与尺寸，识别出人脸，并导入拍出的图片

先导入所需的库，注意Python版本要与cv2版本一致，以及dlib版本
opencv-python下载地址
dlib下载地址

import tensorflow as tf
import cv2
import dlib
import numpy as np

#定义面部正面探测器
detector = dlib.get_frontal_face_detector()
#打开摄像头或视频文件
cap = cv2.VideoCapture(0)
#设置外边距
margin = 0.2
frame_count = 0#帧计数
face_count = 0#人脸计数

需要自定义两个文件夹存储图片

while True:
    ret,frame = cap.read()
    if ret!=True:
        print("defeat")
        break
    frame_count = 1
    input_img = cv2.cvtColor(frame,cv2.COLOR_BGR2RGB)#转为灰度图
    img_h,img_w, _ = np.shape(input_img)#获取图像尺寸
    
    detected = detector(frame,1)
    
    faces = []#脸部图像列表
    
    if len(detected)>0:#当前帧检测到人脸
        for i,d in enumerate(detected):
            face_count += 1
            #脸部图像坐标与尺寸
            x1,y1,x2,y2,w,h = d.left(),d.top(),d.right()+1,d.bottom()+1,d.width(),d.height()
            
            #用边距做调整
            xw1 = max(int(x1-margin * w), 0)
            yw1 = max(int(y1-margin * h), 0)
            xw2 = max(int(x2+margin * w), img_w - 1)
            yw2 = max(int(y2+margin * h), img_h - 1)
            
            #脸部图像坐标
            face = frame[yw1 : yw2+1 , xw1 : xw2+1, :]
            
            if (frame_count % 4 != 0):
                #保存人脸图像到dataset/train目录下
                file_name = "./dataset/train/one/"+str(frame_count) + "_one"+str(i)+".jpg"
            else:
                #保存人脸图像到dataset/valid目录下
                file_name = "./dataset/valid/one/"+str(frame_count) + "_one"+str(i)+".jpg"
            
            cv2.imwrite(file_name, face)
            #绘制边界框
            cv2.rectangle(frame,(x1,y1),(x2,y2),(0,255,0),2)
        #显示单针检测结果
        cv2.imshow("Face Detector",frame)
        #按esc键结束循环
        if(cv2.waitKey(1) & 0xFF) == 27:
            break
print(f"已经完成{frame_count}帧检测，保存了{face_count}幅脸部图像")
cap.release()
cv2.destroyAllWindows()
  

通过修改./dataset/train/one分别在训练集和验证集里面建立四个文件夹，为下次实验室使用。