使用 Python 和 OpenCV 實現(xiàn)攝像頭人臉檢測并截圖功能

更新時間：2024年11月13日 10:46:53 作者：燕鵬01

在現(xiàn)代應用中,人臉檢測是一項非常重要的技術,廣泛應用于安全監(jiān)控、身份驗證等領域,本文詳細介紹了如何使用 Python 和 OpenCV 庫實現(xiàn)攝像頭人臉檢測并截圖,并通過具體的代碼示例展示了整個過程,感興趣的朋友一起看看吧

概述

在現(xiàn)代應用中，人臉檢測是一項非常重要的技術，廣泛應用于安全監(jiān)控、身份驗證等領域。本文將詳細介紹如何使用 Python 和 OpenCV 庫實現(xiàn)攝像頭人臉檢測并截圖，并通過具體的代碼示例來展示整個過程。

環(huán)境準備

在開始編寫代碼之前，確保已經安裝了 OpenCV 庫。可以使用以下命令安裝：

pip install opencv-python

代碼詳解

# -*- coding: utf-8 -*-
# import 進openCV的庫
import cv2
import os
import time
# 調用攝像頭檢測人臉并截圖
def camera(window_name, path_name):
    # Linux 不顯示圖形界面
    cv2.namedWindow(window_name)
    # 視頻來源，來自USB攝像頭
    cap = cv2.VideoCapture(0)
    # 告訴OpenCV使用人臉識別分類器
    classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade_frontalface_alt.xml")
    # 識別出人臉后要畫的邊框的顏色，RGB格式, color是一個不可增刪的數(shù)組
    color = (0, 255, 0)
    num = 0
    while cap.isOpened():
        ok, frame = cap.read()  # 讀取一幀數(shù)據
        if not ok:
            break
        # 將當前楨圖像轉換成灰度圖像
        grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 人臉檢測，1.2和2分別為圖片縮放比例和需要檢測的有效點數(shù)
        faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
        if len(faceRects) > 0:  # 大于0則檢測到人臉
            for faceRect in faceRects:  # 單獨框出每一張人臉
                x, y, w, h = faceRect
                num = num + 1
                # 將當前幀保存為圖片
                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])
                # 延遲 60s，不要太頻繁的發(fā)送，知道來了就可以了
                # time.sleep(60)
                # 畫出矩形框
                cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
                # 顯示當前捕捉到了多少人臉圖片了
                font = cv2.FONT_HERSHEY_SIMPLEX
                cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)
        # 顯示圖像 Linux 下注釋掉即可
        cv2.imshow(window_name, frame)
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):
            break
    # 釋放攝像頭并銷毀所有窗口
    cap.release()
    cv2.destroyAllWindows()
if __name__ == '__main__':
    camera("watchdog", os.getcwd()+"/face")

代碼解析

1. 導入必要的模塊

# -*- coding: utf-8 -*-
# import 進openCV的庫
import cv2
import os
import time

# -*- coding: utf-8 -*-：指定文件編碼為 UTF-8。
import cv2：導入 OpenCV 庫，用于圖像處理和人臉檢測。
import os：導入 os 模塊，用于文件路徑操作。
import time：導入 time 模塊，用于延遲操作。

2. 定義 camera 函數(shù)

def camera(window_name, path_name):

def camera(window_name, path_name):：定義一個名為 camera 的函數(shù)，參數(shù) window_name 是窗口名稱，path_name 是保存截圖的路徑。

3. 創(chuàng)建窗口

    # Linux 不顯示圖形界面
    cv2.namedWindow(window_name)

cv2.namedWindow(window_name)：創(chuàng)建一個窗口，用于顯示視頻流。在 Linux 下可以注釋掉這行代碼以不顯示圖形界面。

4. 打開攝像頭

    # 視頻來源，來自USB攝像頭
    cap = cv2.VideoCapture(0)

cv2.VideoCapture(0)：打開默認攝像頭。參數(shù) 0 表示默認攝像頭。

5. 加載人臉識別分類器

    # 告訴OpenCV使用人臉識別分類器
    classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade_frontalface_alt.xml")

cv2.CascadeClassifier(...)：加載預訓練的 Haar 級聯(lián)分類器，用于檢測人臉。
os.getcwd()+"/haarcascade_frontalface_alt.xml"：指定分類器文件的路徑。

6. 設置邊框顏色

    # 識別出人臉后要畫的邊框的顏色，RGB格式, color是一個不可增刪的數(shù)組
    color = (0, 255, 0)

color = (0, 255, 0)：定義邊框顏色為綠色。

7. 主循環(huán)

    num = 0
    while cap.isOpened():
        ok, frame = cap.read()  # 讀取一幀數(shù)據
        if not ok:
            break
        # 將當前楨圖像轉換成灰度圖像
        grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 人臉檢測，1.2和2分別為圖片縮放比例和需要檢測的有效點數(shù)
        faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
        if len(faceRects) > 0:  # 大于0則檢測到人臉
            for faceRect in faceRects:  # 單獨框出每一張人臉
                x, y, w, h = faceRect
                num = num + 1
                # 將當前幀保存為圖片
                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])
                # 延遲 60s，不要太頻繁的發(fā)送，知道來了就可以了
                # time.sleep(60)
                # 畫出矩形框
                cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
                # 顯示當前捕捉到了多少人臉圖片了
                font = cv2.FONT_HERSHEY_SIMPLEX
                cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)
        # 顯示圖像 Linux 下注釋掉即可
        cv2.imshow(window_name, frame)
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):
            break

num = 0：初始化計數(shù)器。
while cap.isOpened():：進入無限循環(huán)，實時讀取攝像頭圖像。
ok, frame = cap.read()：從攝像頭讀取一幀圖像。
if not ok:：檢查讀取是否成功，如果失敗則退出循環(huán)。
grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)：將圖像轉換為灰度圖像。
faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))：檢測圖像中的人臉。
if len(faceRects) > 0:：檢查是否檢測到人臉。
for faceRect in faceRects:：遍歷檢測到的每個人臉。
x, y, w, h = faceRect：獲取人臉的位置和大小。
num = num + 1：增加計數(shù)器。
img_name = "%s/%d.jpg" % (path_name, num)：生成保存圖像的文件名。
image = frame[y - 10: y + h + 10, x - 10: x + w + 10]：裁剪人臉區(qū)域并擴大邊界。
cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])：保存圖像。
cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)：在圖像上繪制矩形框。
font = cv2.FONT_HERSHEY_SIMPLEX：設置字體樣式。
cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)：在圖像上顯示當前捕捉到的人臉數(shù)量。
cv2.imshow(window_name, frame)：顯示帶有矩形標記的圖像。
c = cv2.waitKey(10)：等待 10 毫秒，等待用戶按鍵。
if c & 0xFF == ord('q'):：按 ‘q’ 鍵退出循環(huán)。

8. 釋放資源

    # 釋放攝像頭并銷毀所有窗口
    cap.release()
    cv2.destroyAllWindows()

cap.release()：釋放攝像頭資源。
cv2.destroyAllWindows()：關閉所有 OpenCV 窗口。

9. 主程序入口

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

if __name__ == '__main__':：檢查是否直接運行此腳本。
camera("watchdog", os.getcwd()+"/face")：調用 camera 函數(shù)，傳入窗口名稱和保存截圖的路徑。

完整代碼

# -*- coding: utf-8 -*-
# import 進openCV的庫
import cv2
import os
import time
# 調用攝像頭檢測人臉并截圖
def camera(window_name, path_name):
    # Linux 不顯示圖形界面
    cv2.namedWindow(window_name)
    # 視頻來源，來自USB攝像頭
    cap = cv2.VideoCapture(0)
    # 告訴OpenCV使用人臉識別分類器
    classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade_frontalface_alt.xml")
    # 識別出人臉后要畫的邊框的顏色，RGB格式, color是一個不可增刪的數(shù)組
    color = (0, 255, 0)
    num = 0
    while cap.isOpened():
        ok, frame = cap.read()  # 讀取一幀數(shù)據
        if not ok:
            break
        # 將當前楨圖像轉換成灰度圖像
        grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 人臉檢測，1.2和2分別為圖片縮放比例和需要檢測的有效點數(shù)
        faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
        if len(faceRects) > 0:  # 大于0則檢測到人臉
            for faceRect in faceRects:  # 單獨框出每一張人臉
                x, y, w, h = faceRect
                num = num+1
                # 將當前幀保存為圖片
                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])
                # 延遲 60s，不要太頻繁的發(fā)送，知道來了就可以了
                # time.sleep(60)
                # 畫出矩形框
                cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
                # 顯示當前捕捉到了多少人臉圖片了
                font = cv2.FONT_HERSHEY_SIMPLEX
                cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)
        # 顯示圖像 Linux 下注釋掉即可
        cv2.imshow(window_name, frame)
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):
            break
    # 釋放攝像頭并銷毀所有窗口
    cap.release()
    cv2.destroyAllWindows()
if __name__ == '__main__':
    camera("watchdog", os.getcwd()+"/face")

測試

確保你的攝像頭正常工作。
運行腳本：

python3 face_detection.py

打開攝像頭后，你會看到一個窗口顯示實時視頻流，并且在檢測到的人臉周圍繪制綠色矩形。
按 ‘q’ 鍵退出程序。

總結

本文詳細介紹了如何使用 Python 和 OpenCV 庫實現(xiàn)攝像頭人臉檢測并截圖，并通過具體的代碼示例展示了整個過程。通過使用 cv2.VideoCapture 打開攝像頭，cv2.CascadeClassifier 加載預訓練的 Haar 級聯(lián)分類器，cv2.cvtColor 轉換圖像顏色空間，cv2.rectangle 繪制矩形，cv2.imwrite 保存圖像，最終實現(xiàn)了在實時視頻流中檢測并保存人臉圖像的功能。

到此這篇關于使用 Python 和 OpenCV 實現(xiàn)攝像頭人臉檢測并截圖的文章就介紹到這了,更多相關Python OpenCV 人臉檢測內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

Python基礎教程之if判斷,while循環(huán),循環(huán)嵌套
這篇文章主要介紹了Python基礎教程之if判斷,while循環(huán),循環(huán)嵌套的相關知識，非常不錯，具有一定的參考借鑒價值,需要的朋友可以參考下
2019-04-04
OpenCV圖像處理之自定義濾波
濾波處理分為兩大類：線性濾波和非線性濾波,OpenCV里有這些濾波的函數(shù),使用起來非常方便,這篇文章主要給大家介紹了關于OpenCV圖像處理之自定義濾波的相關資料,文中通過示例代碼介紹的非常詳細,需要的朋友可以參考下
2021-08-08
Python使用lxml模塊和Requests模塊抓取HTML頁面的教程
用Pyhton自帶的urllib或urllib2模塊抓取網頁或許有些陳詞濫調了,今天我們就來玩兒些新鮮的,來看Python使用lxml模塊和Requests模塊抓取HTML頁面的教程:
2016-05-05
Python 使用xlwt模塊將多行多列數(shù)據循環(huán)寫入excel文檔的操作
這篇文章主要介紹了Python 使用xlwt模塊將多行多列數(shù)據循環(huán)寫入excel文檔的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2020-11-11
Python使用melt和pivot實現(xiàn)DataFrame格式轉換
在數(shù)據處理與分析中,經常遇到數(shù)據需要進行格式轉換的情況,例如將數(shù)據從寬表格式轉換為長表格式,或將數(shù)據重新分組匯總,Pandas提供了豐富的reshape操作,尤其是melt和pivot這兩個函數(shù),使得DataFrame可以在寬表與長表之間高效轉換,本文介紹的非常詳細,需要的朋友可以參考下
2025-01-01
如何將yolov5中的PANet層改為BiFPN詳析
現(xiàn)在yolov5的neck用的是PANet,在efficient論文中提出了BiFPN結構,還有更加不錯的性能,下面這篇文章主要給大家介紹了關于如何將yolov5中的PANet層改為BiFPN的相關資料,需要的朋友可以參考下
2022-06-06
詳解如何用Python寫個聽小說的爬蟲
在路上經常發(fā)現(xiàn)好多人都喜歡用耳機聽小說，同事居然可以一整天的帶著一只耳機聽小說。本文就用Python爬蟲實現(xiàn)下載聽小說tingchina.com的音頻，需要的可以參考一下
2022-02-02
Python圖像處理Pillow庫的安裝使用
本文詳細介紹了Python第三方庫Pillow的使用，通過導入Pillow庫、打開和保存圖像、基本圖像操作以及圖像處理高級功能的代碼示例，我們了解了Pillow庫的強大功能和靈活性，感興趣的朋友跟隨小編一起看看吧
2023-07-07
Python字符串len()、split()、join()深度解析
在Python的字符串江湖中,len()、split()、join()三大方法如同倚天劍、屠龍刀、玄鐵重劍,看似簡單卻暗藏玄機,本文將通過實戰(zhàn)案例,帶您領略這些方法的精妙之處,需要的朋友可以參考下
2025-04-04
Python下簡易的單例模式詳解
這篇文章主要介紹了Python下簡易的單例模式，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
2019-04-04