视频人脸是图片人脸检测的高级版本，图片检测详情点击查看我的上一篇《图片人脸检测——版（二）》
往期目录
视频人脸检测——dlib版（六）
opencv添加中文（五）
图片人脸检测——dlib版（四）
视频人脸检测——opencv版（三）
图片人脸检测——opencv版（二）
opencv环境搭建（一）
更多更新，欢迎访问我的github：https://github.com/vipstone/faceai
实现思路：
调用电脑的摄像头，把摄像的信息逐帧分解成图片，基于图片检测标识出人脸的位置，把处理的图片逐帧绘制给用户，用户看到的效果就是视频的人脸检测。
效果预览：
实现步骤
使用opencv调用摄像头并展示
获取摄像头：
cap = cv2.videocapture(0)
参数0表示，获取第一个摄像头。
显示摄像头 逐帧显示，代码如下：
while (1):
ret, img = cap.read()
cv2.imshow("image", img)
if cv2.waitkey(1) & 0xff == ord('q'):
break
cap.release() # 释放摄像头
cv2.destroyallwindows() # 释放窗口资源
cv2.waitkey(1) & 0xff使用了“&”位元算法，含义是获取用户输入的最后一个字符的ascii码，如果输入的是“q”，则跳出循环。
视频的人脸识别
这个时候，用到了上一节的《图片人脸检测——opencv版（二）》 把人脸识别的代码封装成方法，代码如下：
def discern(img):
gray = cv2.cvtcolor(img, cv2.color_bgr2gray)
cap = cv2.cascadeclassifier(
"c:\python36\lib\site-packages\opencv-master\data\haarcascades\haarcascade_frontalface_default.xml"
)
facerects = cap.detectmultiscale(
gray, scalefactor=1.2, minneighbors=3, minsize=(50, 50))
if len(facerects):
for facerect in facerects:
x, y, w, h = facerect
cv2.rectangle(img, (x, y), (x h, y w), (0, 255, 0), 2) # 框出人脸
cv2.imshow("image", img)
再循环摄像头帧图片的时候，调用图片识别方法即可，代码如下：
# 获取摄像头0表示第一个摄像头
cap = cv2.videocapture(0)
while (1): # 逐帧显示
ret, img = cap.read()
# cv2.imshow("image", img)
discern(img)
if cv2.waitkey(1) & 0xff == ord('q'):
break
cap.release() # 释放摄像头
cv2.destroyallwindows() # 释放窗口资源
完整的代码如下：
# -*- coding:utf-8 -*-
# opencv版本的视频检测
import cv2 # 图片识别方法封装
def discern(img):
gray = cv2.cvtcolor(img, cv2.color_bgr2gray)
cap = cv2.cascadeclassifier(
"c:\python36\lib\site-packages\opencv-master\data\haarcascades\haarcascade_frontalface_default.xml"
)
facerects = cap.detectmultiscale(
gray, scalefactor=1.2, minneighbors=3, minsize=(50, 50))
if len(facerects):
for facerect in facerects:
x, y, w, h = facerect
cv2.rectangle(img, (x, y), (x h, y w), (0, 255, 0), 2) # 框出人脸
cv2.imshow("image", img) # 获取摄像头0表示第一个摄像头
cap = cv2.videocapture(0)
while (1): # 逐帧显示
ret, img = cap.read()
# cv2.imshow("image", img)
discern(img)
if cv2.waitkey(1) & 0xff == ord('q'):
break
cap.release() # 释放摄像头
cv2.destroyallwindows() # 释放窗口资源