3 视频人脸识别

3.2 cv2.VideoCapture().read()

flag, frame = cv2.VideoCapture(0).read()
# 功能：读取一帧的图片
# 参数：无
# 返回值：flag：bool值：True：读取到图片，False：没有读取到图片　　　　　　　　　　　
# frame：一帧的图片

3.1 实例

# 视频人脸识别
import cv2 as cv
import numpy as np
def face_detect_demo(img):
    # 将图片转换为灰度图
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    # 加载特征数据（分类器），harr分类器，也有其他的可以用，也可以自己训练
    face_detector = cv.CascadeClassifier(
        'D:/LenovoQMDownload/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    # 对gray进行识别，人脸检测完成后返回一个人脸区域faces, 其他参数选择默认时的效果不理想。
    # 针对不同的场景调整后面的参数，找到满意的识别效果(250，250) 这个数字真的是调试出来的。
    faces = face_detector.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=3, minSize=(250, 250))
    # x,y是坐标，w，h是宽度和高度
    for x, y, w, h in faces:
        # print(x, y, w, h)
        # 在彩色图像上绘制矩形框，调用rectangle，（x,y）是左上角，(x + w, y + h)右下角，图框颜色BGR绿色，图框宽度
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
        cv.circle(img, center=(x + w // 2, y + h // 2), radius=w // 2, color=(0, 255, 0), thickness=2)
        # 画完图框后进行显示
        cv.imshow('result', img)
cap = cv.VideoCapture('E:\\Picture\\video\\a1.mp4')
while True:# 循环播放视频
    # read调取视频每一帧的图片
    flag, frame = cap.read()
    print('flag:', flag, 'frame.shape:', frame.shape)
    if not flag:# 视频播放到末尾后退出
        break
    face_detect_demo(frame)
    if ord('q') == cv.waitKey(10):
        break
# 释放内存空间
cv.destroyAllWindows()
# 释放视频空间
cap.release()

使用视频：a1