基于IP摄像头和opencv使用手机实时人脸检测
工具
- 一台装有python3.x
- 一款有摄像头的安卓手机(iphone暂未尝试)
- 网络
操作步骤
安装opencv
这里我们使用国内镜像,即可快速安装opencv
# python2版本的基本包安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
# python2版本的额外包安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python
# python3版本的基本包安装
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
# python3版本的额外包安装
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python
验证opencv是否安装完成
打开python3
import cv2
未报错,即为安装成功
安装IP摄像头
给安卓手机安装小米的IP摄像头并更新到最新版,这里我把下载地址放在下面,大家自行下载
链接:https://pan.baidu.com/s/1FE4Sgbhtd7Me3wh1KrPixQ
提取码:s2qj
下载 haarcascade_frontalface_default.xml
链接:https://pan.baidu.com/s/1-Y0sTKSxFNWoXECjdwHLow
提取码:sq71
打开ip摄像头
点击打开IP摄像头服务器,记录局域网的地址:192.168.1.218:8081
打开python
import cv2
url="http://admin:admin@192.168.1.125:8081"#@后面加上局域网的地址
cap = cv2.VideoCapture(url)
while (cap.isOpened()):
ret, frame = cap.read()
if ret:
frame = cv2.flip(frame, 1, dst=None)
classfier = cv2.CascadeClassifier("haarcascade_frontalface_default.xml") # 调用级联分类器
color = (0, 255, 0) # 设置框定的颜色
grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 设置为灰度图片
faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(8, 8))
# minNeighbors 最小的判断次数 minSize 最小的脸的大小
if len(faceRects): # 检测到人
for faceRect in faceRects: # 单独框出每一张人脸
x, y, w, h = faceRect
cv2.rectangle(frame, (x - 20, y - 20), (x + w + 20, y + h + 20), color, 2)
image = frame[y - 20: y + h + 20, x - 20: x + w + 20]
cv2.imshow('img', frame)
else:
break
# 监听键盘,按下q键退出
if cv2.waitKey(10) & 0xFF == ord('q'):
break
运行,完成!
总结
本次采用了opencv自带的级联分类器,分类效果不好,容易产生一些误判,效果不好。这里,我推荐大家了解,学习和使用 Linzaer 在Github上开源的一款算法,以得到更好的效果。
项目地址:https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB
如果有必要,下次我将采用该算法实现出更好的效果。