haar的简单应用(2)

上次对图片进行了人脸识别，这次对摄像头捕获的内容进行识别

直接写注释来解释

 

import cv2



def CatchUsbVideo(window_name, camera_idx): #定义一个函数来实现人脸识别
    cv2.namedWindow(window_name)　　#参数window_name给创建的窗口命名

    # 读取视频，可以来自一段已存好的视频，也可以直接来自摄像头，通过0,1参数配置本机或usb摄像头
    cap = cv2.VideoCapture(camera_idx)

    # 告诉OpenCV使用人脸识别分类器,还是那个opencv自带的分类器，目录结构和《haar的简单应用》一样
    classfier = cv2.CascadeClassifier("../cascades/haarcascade_frontalface_default.xml")

    # 绿色勾边，RGB格式
    color = (0, 255, 0)

    while cap.isOpened():　　#循环检测每一帧
        ok, frame = cap.read()  # 读取一帧数据
        if not ok:
            break

        # 将当前帧转换成灰度图像
        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
                cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 3) #5控制绿色框(勾边)的粗细

        # 显示图像
        cv2.imshow(window_name, frame)
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):　　#按"q"退出
            break

            # 释放摄像头并销毁所有窗口
    cap.release()
    cv2.destroyAllWindows()


if __name__ == '__main__':　　#Make a script both importable and executable　　让你写的脚本模块既可以导入到别的模块中用，另外该模块自己也可执行，注意前后各有有两个下划线
    CatchUsbVideo("FaceRect", 0)

 运行结果截图。嗯...摄像头像素有点低，而且还不会聚焦...凑活看吧，篮框是图片识别的，绿框是摄像头识别的

我又对动图进行了识别，将CatchUsbVideo第二个参数更改为视频文件的路径

我试了半天.mp4不知道怎么上传

这个简单的人脸识别只适用于正脸清晰的