基于opencv的摄像头脸部识别抓取及格式储存(python)

opencv作为优秀的视觉处理在动态图像处理上也是很不错的，本次主要基于Opencv抓取视频，然后保存为avi，同时进行脸部识别作业

---

刚接触opencv，参照opencv的sample例子做了一个视频头像抓取的小代码，顺便一起学习着用，先上视频抓取及存储代码：

# -*- coding: cp936 -*-
import cv2

capture=cv2.VideoCapture(0)
#将capture保存为motion-jpeg,cv_fourcc为保存格式
size = (int(capture.get(cv2.cv.CV_CAP_PROP_FRAME_WIDTH)),
        int(capture.get(cv2.cv.CV_CAP_PROP_FRAME_HEIGHT)))
#cv_fourcc值要设置对，不然无法写入，而且不报错，坑
video=cv2.VideoWriter("VideoTest.avi", cv2.cv.CV_FOURCC('I','4','2','0'), 30, size)
#isopened可以查看摄像头是否开启
print capture.isOpened()
num=0
#要不断读取image需要设置一个循环
while True:
    ret,img=capture.read()
    #视频中的图片一张张写入
    video.write(img)
    cv2.imshow('Video',img)
    key=cv2.waitKey(1)#里面数字为delay时间，如果大于0为刷新时间，
    #超过指定时间则返回-1，等于0没有返回值,但也可以读取键盘数值，
    cv2.imwrite('%s.jpg'%(str(num)),img)
    num=num+1
    if key==ord('q'):#ord为键盘输入对应的整数,
        break
video.release()
#如果不用release方法的话无法储存，要等结束程序再等摄像头关了才能显示保持成功
capture.release()#把摄像头也顺便关了

cv2.destroyAllWindows()

opencv视频抓取好简单，主要用videowriter就可以了，主要要注意的是opencv中的抓取是放在内存中的，所以需要一个释放命令，不然就只能等到程序关闭后进行垃圾回收时才能释放了。视频抓取就不上图了。

然后是脸部识别，opencv自带了很多特征库有脸部，眼睛的还有很多，原理都一样，只是眼睛的库识别率视乎并不高，直接上代码：

#coding=utf-8
import cv2
import cv2.cv as cv

img = cv2.imread("5.jpg")

def detect(img, cascade):
    '''detectMultiScale函数中smallImg表示的是要检测的输入图像为smallImg，
faces表示检测到的人脸目标序列，1.3表示每次图像尺寸减小的比例为1.3，
 4表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大小都可以检测到人脸),
 CV_HAAR_SCALE_IMAGE表示不是缩放分类器来检测，而是缩放图像，Size(20, 20)为目标的最小最大尺寸'''
    rects = cascade.detectMultiScale(img, scaleFactor=1.3,
                                     minNeighbors=5, minSize=(30, 30), flags = cv.CV_HAAR_SCALE_IMAGE)
    if len(rects) == 0:
        return []
    rects[:,2:] += rects[:,:2]
    print rects
    return rects

#在img上绘制矩形
def draw_rects(img, rects, color):
    for x1, y1, x2, y2 in rects:
        cv2.rectangle(img, (x1, y1), (x2, y2), color, 2)


#转换为灰度图
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#直方图均衡处理
gray = cv2.equalizeHist(gray)

#脸部特征分类地址，里面还有其他
cascade_fn = 'data/haarcascades/haarcascade_frontalface_alt.xml'

#读取分类器,CascadeClassifier下面有一个detectMultiScale方法来得到矩形
cascade = cv2.CascadeClassifier(cascade_fn)

#通过分类器得到rects
rects = detect(gray, cascade)

#vis为img副本
vis = img.copy()

#画矩形
draw_rects(vis, rects, (0, 255, 0))

cv2.imshow('facedetect', vis)

cv2.waitKey(0)
cv2.destroyAllWindows()

直接上效果图和原图对比：