这里介绍使用摄像头捕获实时人脸信息
''' 从摄像头捕获实时画面进行人脸检测 ''' import cv2 # 准备面部检测引擎和人眼检测引擎 # 注意调用方法没有任何区别 # 只是选择的xml文件不一样 # 面部检测是haarcascade_frontalface_default.xml # 人眼检测是haarcascade_eye.xml face_engine = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml') eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml') # 调用VideoCapture函数 # 参数设为0表示打开本地默认摄像头 # 参数若为文件路径也可以打开一个本地的视频文件 # 返回一个VideoCapture对象 cap = cv2.VideoCapture(0) # 应该是设置屏幕亮度的参数 # 默认以下设置 cap.set(10,10) # 由于人脸检测是在静态的图片上进行 # 所以需要对摄像头捕获的内容进行逐帧检测 # 定义下面的循环体 while True: # 调用read函数读取每一帧的图片 # 返回两个值 # success表示若图片读取成功返回True # frame表示返回的Image对象 success, frame = cap.read() # 使用面部识别引擎检测人脸 # 返回一个包含面部区域信息的可迭代对象 faces = face_engine.detectMultiScale(frame, 1.3, 3) # 对每个面部区域画出矩形 for (x,y,w,h) in faces: # 在图片frame上绘制矩形 img1 = cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2) # 截取人脸区域 # 因为人眼在人脸上 # 所以人眼检测一定在面部区域进行 # 可以提高检测的效率 face_area = img1[y:y+h,x:x+w] # 人眼检测 eyes = eye_cascade.detectMultiScale(face_area,1.3,3) # 绘制人眼矩形区域 for (ex,ey,ew,eh) in eyes: cv2.rectangle(face_area,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) # 绘制好矩形区域后，创建图片显示窗口 cv2.imshow('Face_recognition', frame) # 条件限制 # 表示键盘每隔5毫秒监听一次 # 0xFF == ord('q')表示按下键盘上的Q键触发动作break退出循环 # 注意这里的Q键必须要在英文输入法条件下进行 if cv2.waitKey(5) & 0xFF == ord('q'): break # 调用release函数关闭摄像头 # 这个要特别注意! cap.release() # 顾名思义，清理窗口、退出窗口 cv2.destroyAllWindows()
最后会这样显示
比如奥观海，一般计算机视觉行内人都是必备奥观海的图片的，就像之前说过的Lena图一样。
这是实时拍摄的嗷！
