c++ 人脸识别_Python OpenCV 人脸识别（二）

      我本意还是分享数据分析和办公自动化相关的内容，之所以这两章分享人脸识别，主要是需要用到前面分享的Numpy模块，相当于是一个示例的展示，展示Numpy的强大用处。所以人工智能也没有介绍详细的原理，只介绍了代码和可调整的参数，其实对于只想会用的小伙伴来说完全够了，直接套用，改路径，调整参数，当然如果想深入的了解是如何实现的，可以自行上网搜索相关的内容。

      所以，后面还是聚焦于数据处理和分析，以及数据的可视化。再下面一章就开始介绍如何对Excel进行处理和分析。

      本章将介绍如何实现动态视频的人脸识别，以及音视频处理。

一、视频的人脸识别

首先需要准备一个视频，如下：

首先对视频进行一个读入：

import cv2cap = cv2.VideoCapture(r'C:\Users\56331\Desktop\video.mp4') cap>>> 

然后查看一下这个视频一秒多少帧：

cap.get(propId=cv2.CAP_PROP_FPS) # 1秒10帧>>> 10.0

下面就可以按照前面静态图片人脸识别的方法进行识别：

# 动态视频的人脸捕捉import cv2cap = cv2.VideoCapture(r'C:\Users\56331\Desktop\video.mp4') face_cascade = cv2.CascadeClassifier(r'C:\ProgramData\Anaconda3\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml') # 加载人脸特征库while cap.isOpened():    flag, frame = cap.read() # 读取一帧的图像    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 转灰    faces = face_cascade.detectMultiScale(gray, scaleFactor = 1.15, minNeighbors = 2) # 检测人脸    for(x, y, w, h) in faces:        cv2.rectangle(frame, pt1=(x,y), pt2=(x+w, y+h), color = [0, 0, 255], thickness=2) # 用矩形圈出人脸    if flag==False:        break    cv2.imshow('Face Recognition', frame)    if cv2.waitKey(50) == ord('q'):        breakcv2.destroyAllWindows()cap.release()

会对视频中的每一帧都进行人脸识别(视频审核时间长，就不上传了)，如下所示：

二、自带摄像头的人脸识别

     当我们修改cap = cv2.VideoCapture(0) 的视频路径为0时，就会启动电脑自带的摄像头，并进行lup。

1、cap = cv2.VideoCapture(0)

     VideoCapture()中参数是0，表示打开笔记本的内置摄像头，参数是视频文件路径则打开视频，如cap = cv2.VideoCapture(“../test.avi”)

2、ret,frame = cap.read()

     cap.read()按帧读取视频，ret,frame是获取cap.read()方法的两个返回值。其中ret是布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾，它的返回值就为False。frame就是每一帧的图像，是个三维矩阵。

3、cv2.waitKey(1)，waitKey()方法本身表示等待键盘输入，

     参数是1，表示延时1ms切换到下一帧图像，对于视频而言；

     参数为0，如cv2.waitKey(0)只显示当前帧图像，相当于视频暂停,；

     参数过大如cv2.waitKey(1000)，会因为延时过久而卡顿感觉到卡顿。

     c得到的是键盘输入的ASCII码，esc键对应的ASCII码是27，即当按esc键时if条件语句成立

4、调用release()释放摄像头，调用destroyAllWindows()关闭所有图像窗口。

如下：

# 电脑摄像头的人脸捕捉import cv2cap = cv2.VideoCapture(0) face_cascade = cv2.CascadeClassifier(r'C:\ProgramData\Anaconda3\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml') # 加载人脸特征库while cap.isOpened():    ret, frame = cap.read() # 读取一帧的图像    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 转灰    faces = face_cascade.detectMultiScale(gray, scaleFactor = 1.15, minNeighbors = 2) # 检测人脸    for(x, y, w, h) in faces:        cv2.rectangle(frame, pt1=(x,y), pt2=(x+w, y+h), color = [0, 0, 255], thickness=2) # 用矩形圈出人脸    if flag==False:        break    cv2.imshow('Face Recognition', frame)    if cv2.waitKey(50) == ord('q'):        breakcv2.destroyAllWindows()cap.release()

(视频审核时间长，就不上传了)：

如果需要保存视频的话：

# 保存摄像头的视频import cv2cap = cv2.VideoCapture(0)w = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) # 摄像头的宽w = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) # 摄像头的长videoWriter = cv2.VideoWriter(r'C:\Users\56331\Desktop\video_change2.mp4', cv2.VideoWriter_fourcc('M','P','4','v'), 24, (w,h))face_cascade = cv2.CascadeClassifier(r'C:\ProgramData\Anaconda3\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml') # 加载人脸特征库while cap.isOpened():    flag, frame = cap.read() # 读取一帧的图像        if flag == False:        break              gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 转灰         faces = face_cascade.detectMultiScale(gray, scaleFactor = 1.15, minNeighbors = 2) # 检测人脸        for(x, y, w, h) in faces:        cv2.rectangle(frame, pt1=(x,y), pt2=(x+w, y+h), color = [0, 0, 255], thickness=2) # 用矩形圈出人脸             videoWriter.write(frame)        if flag==False:        break            cv2.imshow('Face Recognition', frame)        if cv2.waitKey(50) == ord('q'):        break        cv2.destroyAllWindows()cap.release()videoWriter.release()

三、音乐的操作

     我们在抖音上经常看到很多拼接的，裁剪的音乐，音乐格式，应用非常广泛。对于音乐有很多格式，最常用mp3格式，也有很多的高品质音乐，比如wav格式为无损音乐格式，非常大。

      我准备了一首wav格式的无损音乐---林俊杰的可惜没如果(50多兆，就不上传了)：

声音是一个二维数组，左声道、右声道(立体声)

import numpy as npfrom scipy.io import wavfilelike = wavfile.read(r'C:\Users\56331\Desktop\可惜没如果.wav')like>>> # 44100声音的采样频率，一秒录制44100个声音数据(44100, array([[  1,  -1],        [ -3,   3],        [  5,  -5],        ...,        [ -4,  -5],        [  4,  10],        [ -5, -13]], dtype=int16))

然后取出这首歌：

music= like[1]music.shape>>> (13153971, 2)

那么用它除以采样频率，我们就可以计算出这首歌的时间是298秒：

13153971/44100>>> 298.27598639455783

下面我们就可以对音乐做一些处理操作了：

视频播放速度乘以2倍wavfile.write(r'C:\Users\56331\Desktop\like1.wav', 44100, music[::2])

截取前60秒的音乐wavfile.write(r'C:\Users\56331\Desktop\like2.wav', 44100, music[:60*44100])

音乐倒过来唱wavfile.write(r'C:\Users\56331\Desktop\like2.wav', 44100, music[:：-1])

抖音上经常对音乐进行拼接裁剪啥的将‘可惜没如果’的前30秒和‘青花瓷’的30-60秒凭借成一首60秒的歌曲like2 = wavfile.read(r'C:\Users\56331\Desktop\青花瓷.wav')music2 = like2[1]mix_music = np.concatenate(music[:30*44100],music2[30*44100:60*44100])wavfile.write(r'C:\Users\56331\Desktop\mix_music.wav', 44100, mix_music)

四、视频配音乐

使用cmd命令，键盘Ctrl+R，输入cmd即可跳出cmd命令界面

1、对视频的截取命令

ffmpeg -ss 00:00:30 -i video.mp4 -acodec copy -vcodec copy -t 00:02:00 output.mp4

截取video.mp4视频中30秒至2分钟的视频，命名为output.mp4

2、提取无声的视频命令

ffmpeg -i video.mp4 -vcodec copy -an output.mp4

将video.mp4视频提取成无声的视频

3、将上面的音乐与无声的视频合并

ffmpeg -i music.mp3 -i video.mp4 output.mp4

将music.mp3音乐和video.mp4无声视频合并成output.mp4新视频

当然，也可以通过Python来合并，但需要导入新的库，效果一样

import numpy as npimport subprocesscmd = 'ffmpeg -i music.mp3 -i video.mp4 output.mp4'subprocess.call(cmd)

      以上就是人脸识别和音视频操作的简单介绍，因为不作为重点只是为了展示Numpy的作用。若是对这方面有兴趣，可以研究一下opencv这个模块。

      后续仍将以数据分析和办公自动化为主，下面介绍对Excel进行操作，实现自动脚本的功能。