Python利用Opencv进行摄像头人脸检测

条件：
1.摄像头
2.已安装Python和OpenCV3

项目所需haarcascade分类器地址：https://github.com/opencv/opencv/tree/master/data/haarcascades

import cv2
import sys
import logging as log
import datetime as dt
cascPath = "haarcascade_frontalface_alt2.xml"
faceCascade = cv2.CascadeClassifier(cascPath)
# 打开视频捕获设备
video_capture = cv2.VideoCapture(0)##可改为视频
while True:
if not video_capture.isOpened():
print('Unable to load camera.')
# 读视频帧
ret, frame = video_capture.read()
# 转为灰度图像
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 调用分类器进行检测
faces = faceCascade.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=5,minSize=(30, 30),)

# 画矩形框
for (x, y, w, h) in faces:

cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
# 显示视频
cv2.imshow('Video', frame)
print(len(faces))
if cv2.waitKey(25) & 0xFF == ord('q'):
break

# 关闭摄像头设备
video_capture.release()
# 关闭所有窗口
cv2.destroyAllWindows()

代码演示：

项目总结：

对于opencv的人脸检测方法，人脸Haar特征分类器
特点是简单，快速；
存在的问题是人脸检测效果不好。
正面/垂直/光线较好的人脸，该方法可以检测出来，而侧面/歪斜/光线不好的人脸，无法检测。
因此，该方法不适合现场应用。
对于dlib人脸检测方法 ，效果好于opencv的方法，但是检测力度也难以达到现场应用标准。