python-opencv 人脸识别_import cv2 import numpy as np # 创建虚拟摄像头 cap = cv2.

1、安装python3.6

2、安装pycharm --社区版是免费的

3、安装opencv-python、numpy 库

    

    打开file->settings

    

安装即可

同样的方法安装 numpy

4、程序讲解

import cv2
import numpy as np

导入需要的库

cap = cv2.VideoCapture(0)

使用opencv自带的VideoCapture()函数定义摄像头对象，其参数0表示第一个摄像头，一般就是笔记本的内建摄像头。此函数还可以传递一个视频，只需将参数改为视频路径，就可以打开一个视频对象。

color = (0, 255, 0)

颜色由RGB三种元素组成，在python中储存格式是元组的的形式，这是为我们接下来识别人脸并用方框圈出这一步，定义方框的颜色

classfier = cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")
这是一个人脸特征分类器，是社区开源的，
我们只需要打开这个人脸分类器并创建一个识别模型

while(True):
# 指定图片的人脸识别然后存储
    i = 0
    ret , img = cap.read()
    grey = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    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
            i = i + 1
            x, y, w, h = faceRect
            scr = img[x - 10 :x + w + 10 , y - 10 :y + h + 10 ]
            cv2.imwrite('img' + str(i) + '.jpg', scr)
            cv2.rectangle(img, (x , y - 10), (x + w + 10, y + h + 10), color, 3)  # 5控制绿色框的粗细

1>首先在一个while循环中不断地获取摄像头的每一帧图像
cap.read()会返回两个值ret, frame。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。

2>

grey = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

我们生活中大多数看到的彩色图片都是RGB类型，但是在进行图像处理时，需要用到灰度图、二值图、HSV、HSI等颜色制式，opencv提供了cvtColor()函数来实现这些功能。首先看一下cvtColor函数定义：

 C++: void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0 );

• 1

参数解释：
. InputArray src: 输入图像即要进行颜色空间变换的原图像，可以是Mat类
. OutputArray dst: 输出图像即进行颜色空间变换后存储图像，也可以Mat类
. int code: 转换的代码或标识，即在此确定将什么制式的图片转换成什么制式的图片，后面会详细将
. int dstCn = 0: 目标图像通道数，如果取值为0，则由src和code决定

在这里我们把它转化为灰度图

cv2.COLOR_BGR2GRAY：灰度图 其余的自行百度

3>
    faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))

grey：要识别的图像数据（即使不转换成灰度也能识别，但是灰度图可以降低计算强度，因为检测的依据是哈尔特征，转换后每个点的RGB数据变成了一维的灰度，这样计算强度就减少很多）

scaleFactor：图像缩放比例，可以理解为同一个物体与相机距离不同，其大小亦不同，必须将其缩放到一定大小才方便识别，该参数指定每次缩放的比例

minNeighbors：对特征检测点周边多少有效点同时检测，这样可避免因选取的特征检测点太小而导致遗漏

minSize：特征检测点的最小值

4>

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
            i = i + 1
            x, y, w, h = faceRect
            scr = img[x - 10 :x + w + 10 , y - 10 :y + h + 10 ]
            cv2.imwrite('img' + str(i) + '.jpg', scr)
            cv2.rectangle(img, (x , y - 10), (x + w + 10, y + h + 10), color, 3)  # 5控制绿色框的粗细

返回参数是一个元组，有四个参数 x，y，w，h 

x，y是检测到的人脸的轮廓的开始坐标，

w，h是轮廓的的宽度和高度

scr = img[x - 10 :x + w + 10 , y - 10 :y + h + 10 ]
cv2.imwrite('img' + str(i) + '.jpg', scr)

利用矩阵切片把图片中的人脸轮廓截取下来并保存到工作目录中

cv2.rectangle(img, (x , y - 10), (x + w + 10, y + h + 10), color, 3)  # 5控制绿色框的粗细

要画一个长方形，我们只需要定位其起点坐标和终点坐标

cv2.imshow("face",img）

if(cv2.waitKey(47)&0xff == 27):
    break
if(cv2.waitKey(47) == ord('s')):
    cv2.imwrite('./aaa.jpg', img)
    break
（在imshow函数后面一定要有keywait函数，否则会出错）

显示图像并设置按键 按Esc退出循环

                                按S保存图像

cap.release()
cv2.destroyAllWindows()

释放资源并关闭窗口

效果图：

关注微信公众号：learner学编程

回复6.2 可得程序源码及人脸分类器XML（多种）