使用 Python 和 OpenCV 实现摄像头人脸检测并截图

爱写代码的小朋友2024-11-14 18:25
概述

在现代应用中，人脸检测是一项非常重要的技术，广泛应用于安全监控、身份验证等领域。本文将详细介绍如何使用 Python 和 OpenCV 库实现摄像头人脸检测并截图，并通过具体的代码示例来展示整个过程。

环境准备

在开始编写代码之前，确保已经安装了 OpenCV 库。可以使用以下命令安装：

sh 复制代码 
pip install opencv-python
代码详解
python 复制代码 
# -*- coding: utf-8 -*-
# import 进openCV的库
import cv2
import os
import time

# 调用摄像头检测人脸并截图
def camera(window_name, path_name):

    # Linux 不显示图形界面
    cv2.namedWindow(window_name)

    # 视频来源，来自USB摄像头
    cap = cv2.VideoCapture(0)

    # 告诉OpenCV使用人脸识别分类器
    classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade_frontalface_alt.xml")

    # 识别出人脸后要画的边框的颜色，RGB格式, color是一个不可增删的数组
    color = (0, 255, 0)

    num = 0
    while cap.isOpened():
        ok, frame = cap.read()  # 读取一帧数据
        if not ok:
            break

        # 将当前桢图像转换成灰度图像
        grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数
        faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
        if len(faceRects) > 0:  # 大于0则检测到人脸
            for faceRect in faceRects:  # 单独框出每一张人脸
                x, y, w, h = faceRect
                num = num + 1
                # 将当前帧保存为图片
                img_name = "%s/%d.jpg" % (path_name, num)
                image = frame[y - 10: y + h + 10, x - 10: x + w + 10]
                cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])

                # 延迟 60s，不要太频繁的发送，知道来了就可以了
                # time.sleep(60)
                # 画出矩形框
                cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
                # 显示当前捕捉到了多少人脸图片了
                font = cv2.FONT_HERSHEY_SIMPLEX
                cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)

        # 显示图像 Linux 下注释掉即可
        cv2.imshow(window_name, frame)
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):
            break
    # 释放摄像头并销毁所有窗口
    cap.release()
    cv2.destroyAllWindows()

if __name__ == '__main__':
    camera("watchdog", os.getcwd()+"/face")
代码解析
1. 导入必要的模块
python 复制代码 
# -*- coding: utf-8 -*-
# import 进openCV的库
import cv2
import os
import time
  • # -*- coding: utf-8 -*-：指定文件编码为 UTF-8。
  • import cv2：导入 OpenCV 库，用于图像处理和人脸检测。
  • import os：导入 os 模块，用于文件路径操作。
  • import time：导入 time 模块，用于延迟操作。
2. 定义 camera 函数
python 复制代码 
def camera(window_name, path_name):
  • def camera(window_name, path_name):：定义一个名为 camera 的函数，参数 window_name 是窗口名称，path_name 是保存截图的路径。
3. 创建窗口
python 复制代码 
    # Linux 不显示图形界面
    cv2.namedWindow(window_name)
  • cv2.namedWindow(window_name)：创建一个窗口，用于显示视频流。在 Linux 下可以注释掉这行代码以不显示图形界面。
4. 打开摄像头
python 复制代码 
    # 视频来源，来自USB摄像头
    cap = cv2.VideoCapture(0)
  • cv2.VideoCapture(0)：打开默认摄像头。参数 0 表示默认摄像头。
5. 加载人脸识别分类器
python 复制代码 
    # 告诉OpenCV使用人脸识别分类器
    classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade_frontalface_alt.xml")
  • cv2.CascadeClassifier(...)：加载预训练的 Haar 级联分类器，用于检测人脸。
  • os.getcwd()+"/haarcascade_frontalface_alt.xml"：指定分类器文件的路径。
6. 设置边框颜色
python 复制代码 
    # 识别出人脸后要画的边框的颜色，RGB格式, color是一个不可增删的数组
    color = (0, 255, 0)
  • color = (0, 255, 0)：定义边框颜色为绿色。
7. 主循环
python 复制代码 
    num = 0
    while cap.isOpened():
        ok, frame = cap.read()  # 读取一帧数据
        if not ok:
            break

        # 将当前桢图像转换成灰度图像
        grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数
        faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
        if len(faceRects) > 0:  # 大于0则检测到人脸
            for faceRect in faceRects:  # 单独框出每一张人脸
                x, y, w, h = faceRect
                num = num + 1
                # 将当前帧保存为图片
                img_name = "%s/%d.jpg" % (path_name, num)
                image = frame[y - 10: y + h + 10, x - 10: x + w + 10]
                cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])

                # 延迟 60s，不要太频繁的发送，知道来了就可以了
                # time.sleep(60)
                # 画出矩形框
                cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
                # 显示当前捕捉到了多少人脸图片了
                font = cv2.FONT_HERSHEY_SIMPLEX
                cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)

        # 显示图像 Linux 下注释掉即可
        cv2.imshow(window_name, frame)
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):
            break
  • num = 0：初始化计数器。
  • while cap.isOpened():：进入无限循环，实时读取摄像头图像。
  • ok, frame = cap.read()：从摄像头读取一帧图像。
  • if not ok:：检查读取是否成功，如果失败则退出循环。
  • grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)：将图像转换为灰度图像。
  • faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))：检测图像中的人脸。
  • if len(faceRects) > 0:：检查是否检测到人脸。
  • for faceRect in faceRects:：遍历检测到的每个人脸。
  • x, y, w, h = faceRect：获取人脸的位置和大小。
  • num = num + 1：增加计数器。
  • img_name = "%s/%d.jpg" % (path_name, num)：生成保存图像的文件名。
  • image = frame[y - 10: y + h + 10, x - 10: x + w + 10]：裁剪人脸区域并扩大边界。
  • cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])：保存图像。
  • cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)：在图像上绘制矩形框。
  • font = cv2.FONT_HERSHEY_SIMPLEX：设置字体样式。
  • cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)：在图像上显示当前捕捉到的人脸数量。
  • cv2.imshow(window_name, frame)：显示带有矩形标记的图像。
  • c = cv2.waitKey(10)：等待 10 毫秒，等待用户按键。
  • if c & 0xFF == ord('q'):：按 'q' 键退出循环。
8. 释放资源
python 复制代码 
    # 释放摄像头并销毁所有窗口
    cap.release()
    cv2.destroyAllWindows()
  • cap.release()：释放摄像头资源。
  • cv2.destroyAllWindows()：关闭所有 OpenCV 窗口。
9. 主程序入口
python 复制代码 
if __name__ == '__main__':
    camera("watchdog", os.getcwd()+"/face")
  • if __name__ == '__main__':：检查是否直接运行此脚本。
  • camera("watchdog", os.getcwd()+"/face")：调用 camera 函数，传入窗口名称和保存截图的路径。
完整代码
python 复制代码 
# -*- coding: utf-8 -*-
# import 进openCV的库
import cv2
import os
import time
# 调用摄像头检测人脸并截图
def camera(window_name, path_name):

    # Linux 不显示图形界面
    cv2.namedWindow(window_name)

    # 视频来源，来自USB摄像头
    cap = cv2.VideoCapture(0)

    # 告诉OpenCV使用人脸识别分类器
    classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade_frontalface_alt.xml")

    # 识别出人脸后要画的边框的颜色，RGB格式, color是一个不可增删的数组
    color = (0, 255, 0)

    num = 0
    while cap.isOpened():
        ok, frame = cap.read()  # 读取一帧数据
        if not ok:
            break

        # 将当前桢图像转换成灰度图像
        grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数
        faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
        if len(faceRects) > 0:  # 大于0则检测到人脸
            for faceRect in faceRects:  # 单独框出每一张人脸
                x, y, w, h = faceRect
                num = num+1
                # 将当前帧保存为图片
                img_name = "%s/%d.jpg" % (path_name, num)
                image = frame[y - 10: y + h + 10, x - 10: x + w + 10]
                cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])

                # 延迟 60s，不要太频繁的发送，知道来了就可以了
                # time.sleep(60)
                # 画出矩形框
                cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
                # 显示当前捕捉到了多少人脸图片了
                font = cv2.FONT_HERSHEY_SIMPLEX
                cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)

        # 显示图像 Linux 下注释掉即可
        cv2.imshow(window_name, frame)
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):
            break
    # 释放摄像头并销毁所有窗口
    cap.release()
    cv2.destroyAllWindows()




if __name__ == '__main__':
    camera("watchdog", os.getcwd()+"/face")
测试

  1. 确保你的摄像头正常工作。

  2. 运行脚本：

    sh 复制代码 
    python3 face_detection.py

  3. 打开摄像头后，你会看到一个窗口显示实时视频流，并且在检测到的人脸周围绘制绿色矩形。

  4. 按 'q' 键退出程序。

总结

本文详细介绍了如何使用 Python 和 OpenCV 库实现摄像头人脸检测并截图，并通过具体的代码示例展示了整个过程。通过使用 cv2.VideoCapture 打开摄像头，cv2.CascadeClassifier 加载预训练的 Haar 级联分类器，cv2.cvtColor 转换图像颜色空间，cv2.rectangle 绘制矩形，cv2.imwrite 保存图像，最终实现了在实时视频流中检测并保存人脸图像的功能。

相关推荐
冬奇Lab5 小时前
一天一个开源项目（第249篇）：Hallmark —— 一个拒绝“AI 味”的设计 Skill，用 48 套材质主题和浏览器 Linter 约束编程助手
人工智能·开源·资讯
GlobalInfo5 小时前
全球包装检测用3D轮廓传感器市场调研：2026年规模预计达1.87亿美元，食品医药与电商物流需求推动增长
大数据·人工智能·3d
paopaokaka_luck5 小时前
流浪动物救助与收养系统（DeepSeek AI对话、 ECharts多维分析、救助流程衔接、领养与回访衔接、 捐赠确认与公示、志愿者协作）
java·前端·javascript·人工智能·mysql·echarts·推荐算法
AI视频工具指南6 小时前
怎么用AI写爱情短剧？
人工智能
Jsundoku6 小时前
第四章 深度学习 -- 训练技巧
人工智能·深度学习
HDU-Dade6 小时前
【校招笔试真题】简要介绍 Self-Attention 的前沿算法
人工智能·算法
2501_944521596 小时前
Immer 跨端三方库仓颉适配全流程
python·eclipse·django
信誓旦旦的程序猿6 小时前
【Python量化实战宝典 #26】止损与回撤控制手册：移动止损、最大回撤（Python 可跑）
python·1024程序员节·股票数据api·股票数据api接口·股票api数据接口·股票量化数据api·股票量化数据接口
2501_944521596 小时前
Deepmerge 跨端三方库仓颉适配全流程
java·python·eclipse·github
Patrick在香港7 小时前
同一行 strftime，两台机器跑出两种日期
python·datetime·时区·locale·日期处理
热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02如何新建文件夹？ 电脑新建文件夹的4种方法03历年考研数学一、数学二、数学三真题试卷及答案PDF04GitHub 镜像站点05几个好用的ip纯净度检测网站06昇腾910B系列芯片完全指南：四款型号对比、服务器选型与大模型部署实战07苹果iPA游戏软件资源下载网站08CVE-2026-91403 高危漏洞预警：Java JSSE 信任链被攻破 全场景修复方案与Linux系统级彻底清理实操09蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接10Windows 10/11 如何退出微软账户并改用本地账户登录（含找不到选项的解决方法）