Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例

1. 引言

在某些场景下，我们不仅需要进行实时人脸检测追踪，还要进行再加工；这里进行摄像头实时人脸检测，并对于实时检测的人脸进行初步提取；

单个/多个人脸检测，并依次在摄像头窗口，实时平铺显示检测到的人脸；

检测到的人脸矩形图像，会依次平铺显示在摄像头的左上方；

当多个人脸时候，也能够依次铺开显示；

左上角窗口的大小会根据捕获到的人脸大小实时变化；

2. 代码实现

主要分为三个部分：

摄像头调用，利用 OpenCv 里面的cv2.VideoCapture();

人脸检测，这里利用开源的 Dlib 框架，Dlib 中人脸检测具体可以参考Python 3 利用 Dlib 19.7 进行人脸检测；

图像填充，剪切部分可以参考Python 3 利用 Dlib 实现人脸检测和剪切；

2.1 摄像头调用

Python 中利用 OpenCv 调用摄像头的一个例子how_to_use_camera.py:

# OpenCv 调用摄像头# 默认调用笔记本摄像头# Author:  coneypo# Blog:   http://www.cnblogs.com/AdaminXie# GitHub:  https://github.com/coneypo/Dlib_face_cut# Mail:   coneypo@foxmail.comimport cv2cap = cv2.VideoCapture(0)# cap.set(propId, value)# 设置视频参数: propId - 设置的视频参数, value - 设置的参数值cap.set(3, 480)# cap.isOpened() 返回 true/false, 检查摄像头初始化是否成功print(cap.isOpened())# cap.read()""" 返回两个值  先返回一个布尔值, 如果视频读取正确, 则为 True, 如果错误, 则为 False;   也可用来判断是否到视频末尾;    再返回一个值, 为每一帧的图像, 该值是一个三维矩阵;    通用接收方法为:     ret,frame = cap.read();    ret: 布尔值;    frame: 图像的三维矩阵;    这样 ret 存储布尔值, frame 存储图像;        若使用一个变量来接收两个值, 如:      frame = cap.read()    则 frame 为一个元组, 原来使用 frame 处需更改为 frame[1]"""while cap.isOpened():  ret_flag, img_camera = cap.read()  cv2.imshow("camera", img_camera)  # 每帧数据延时 1ms, 延时为0, 读取的是静态帧  k = cv2.waitKey(1)  # 按下 's' 保存截图  if k == ord('s'):    cv2.imwrite("test.jpg", img_camera)  # 按下 'q' 退出  if k == ord('q'):    break# 释放所有摄像头cap.release()# 删除建立的所有窗口cv2.destroyAllWindows()

2.2 人脸检测

利用 Dlib 正向人脸检测器，dlib.get_frontal_face_detector()；

对于本地人脸图像文件，一个利用 Dlib 进行人脸检测的例子: