Posted in Python onFebruary 21, 2019
1. 引言
在某些场景下,我们不仅需要进行实时人脸检测追踪,还要进行再加工;这里进行摄像头实时人脸检测,并对于实时检测的人脸进行初步提取;
单个/多个人脸检测,并依次在摄像头窗口,实时平铺显示检测到的人脸;
图 1 动态实时检测效果图
检测到的人脸矩形图像,会依次平铺显示在摄像头的左上方;
当多个人脸时候,也能够依次铺开显示;
左上角窗口的大小会根据捕获到的人脸大小实时变化;
图 2 单个/多个人脸情况下摄像头识别显示结果
2. 代码实现
主要分为三个部分:
摄像头调用,利用 OpenCv 里面的cv2.VideoCapture();
人脸检测,这里利用开源的 Dlib 框架,Dlib 中人脸检测具体可以参考Python 3 利用 Dlib 19.7 进行人脸检测;
图像填充,剪切部分可以参考Python 3 利用 Dlib 实现人脸检测和剪切;
2.1 摄像头调用
Python 中利用 OpenCv 调用摄像头的一个例子how_to_use_camera.py:
# OpenCv 调用摄像头 # 默认调用笔记本摄像头 # Author: coneypo # Blog: http://www.cnblogs.com/AdaminXie # GitHub: https://github.com/coneypo/Dlib_face_cut # Mail: coneypo@foxmail.com import cv2 cap = cv2.VideoCapture(0) # cap.set(propId, value) # 设置视频参数: propId - 设置的视频参数, value - 设置的参数值 cap.set(3, 480) # cap.isOpened() 返回 true/false, 检查摄像头初始化是否成功 print(cap.isOpened()) # cap.read() """ 返回两个值 先返回一个布尔值, 如果视频读取正确, 则为 True, 如果错误, 则为 False; 也可用来判断是否到视频末尾; 再返回一个值, 为每一帧的图像, 该值是一个三维矩阵; 通用接收方法为: ret,frame = cap.read(); ret: 布尔值; frame: 图像的三维矩阵; 这样 ret 存储布尔值, frame 存储图像; 若使用一个变量来接收两个值, 如: frame = cap.read() 则 frame 为一个元组, 原来使用 frame 处需更改为 frame[1] """ while cap.isOpened(): ret_flag, img_camera = cap.read() cv2.imshow("camera", img_camera) # 每帧数据延时 1ms, 延时为0, 读取的是静态帧 k = cv2.waitKey(1) # 按下 's' 保存截图 if k == ord('s'): cv2.imwrite("test.jpg", img_camera) # 按下 'q' 退出 if k == ord('q'): break # 释放所有摄像头 cap.release() # 删除建立的所有窗口 cv2.destroyAllWindows()
2.2 人脸检测
利用 Dlib 正向人脸检测器,dlib.get_frontal_face_detector();
对于本地人脸图像文件,一个利用 Dlib 进行人脸检测的例子:
人脸检测对于机器性能占用不高,但是如果要进行实时的图像裁剪拼接,计算量可能比较大,所以可能会出现卡顿;
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。
Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例
- Author -
coneypo声明:登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。
Reply on: @reply_date@
@reply_contents@