超有趣！手把手教你用Python实现实时“人脸检测”( 二 ) _Python

想安装 OpenCV，对库进行 pip 安装：
pip3 install opencv-python ③安装 face_recognition API
最后，我们将使用 face_recognition，这号称是世界上最简单的面向 Python 的人脸识别 API 。
想安装它，请运行下列命令：
pip install dlib pip install face_recognition 深入了解实现方式
【超有趣！手把手教你用Python实现实时“人脸检测”】现在你已设置好了系统，终于可以深入了解实际的实现方式。首先，我们将迅速构建程序，然后对其分解以了解我们所做的工作。
先创建一个文件 face_detector.py，然后拷贝如下所示的代码：
# import libraries import cv2 importface_recognition# Get a reference towebcam video_capture =cv2.VideoCapture("/dev/video1")# Initialize variables face_locations = []while True:# Grab a single frame of videoret, frame = video_capture.read()# Convert the image from BGR color (whichOpenCV uses) to RGB color (which face_recognition uses)rgb_frame = frame[:, :, ::-1]# Find all the faces in the current frameof videoface_locations =face_recognition.face_locations(rgb_frame)# Display the resultsfor top, right, bottom, left inface_locations:# Draw a box around the facecv2.rectangle(frame, (left, top),(right, bottom), (0, 0, 255), 2)# Display the resulting imagecv2.imshow('Video', frame)# Hit 'q' on the keyboard to quit!if cv2.waitKey(1) & 0xFF == ord('q'):break# Release handle tothe webcam video_capture.release() cv2.destroyAllwindows() 然后，输入以下命令，运行该 Python 文件：
python face_detector.py 如果一切正常，会弹出一个新窗口，实时人脸检测在运行中。
总结一下，这是我们上述代码执行的操作：

首先，我们定义了将进行视频分析的硬件。
此后，我们实时捕捉视频，逐帧捕捉。
然后，我们处理每帧，并提取图像中所有人脸的位置。
最后，我们以视频形式渲染这些帧以及人脸位置。

是不是很简单?如果你想了解更具体的细节，我已在每个代码部分中包含注释。你可以随时返回查看。
人脸检测的用例
乐趣并不仅限于此!我们能做的另一件很酷的事情就是围绕上述代码构建完整的用例。而且你无需从头开始，我们只要对代码进行几处小小的改动即可。
比如说，假设你想构建一个基于摄像头的自动系统来实时跟踪说话人的位置。根据其位置，系统转动摄像头，以便说话人始终在视频的中间。
我们该如何解决这个问题?第一步是构建识别视频中一个人或多个人的系统，并关注说话人的位置。
不妨看看我们如何实现这一点。为了本文需要，我从 Youtube 上下载了一段视频(https://youtu.be/A_-KqX-RazQ)，视频中有个人在 2017 年 DataHack 峰会上讲话。
首先，我们导入必要的库：
import cv2 importface_recognition 然后，阅读视频并获取长度：
input_movie =cv2.VideoCapture("sample_video.mp4") length = int(input_movie.get(cv2.CAP_PROP_FRAME_COUNT)) 之后，我们创建一个拥有所需分辨率和帧速率的输出文件，与输入文件类似。
加载说话人的示例图像以便在视频中识别他：
image =face_recognition.load_image_file("sample_image.jpeg") face_encoding =face_recognition.face_encodings(image)[0]known_faces = [ face_encoding, ] 这一切都已完成，现在我们运行一个循环，它将执行以下操作：

从视频中提取帧。
找到所有人脸，并识别它们。
创建一个新视频，将原始帧与标注的说话人人脸位置相结合。

不妨看看这个代码：
# Initialize variables face_locations = [] face_encodings = [] face_names = [] frame_number = 0while True:# Grab a single frame of videoret, frame = input_movie.read()frame_number += 1# Quit when the input video file endsif not ret:break# Convert the image from BGR color (whichOpenCV uses) to RGB color (which face_recognition uses)rgb_frame = frame[:, :, ::-1]# Find all the faces and face encodings inthe current frame of videoface_locations =face_recognition.face_locations(rgb_frame, model="cnn")face_encodings =face_recognition.face_encodings(rgb_frame, face_locations)face_names = []for face_encoding in face_encodings:# See if the face is a match for theknown face(s)match =face_recognition.compare_faces(known_faces, face_encoding, tolerance=0.50)name = Noneif match[0]:name = "Phani Srikant"face_names.Append(name)# Label the resultsfor (top, right, bottom, left), name inzip(face_locations, face_names):if not name:continue# Draw a box around the facecv2.rectangle(frame, (left, top),(right, bottom), (0, 0, 255), 2)# Draw a label with a name below thefacecv2.rectangle(frame, (left, bottom -25), (right, bottom), (0, 0, 255), cv2.FILLED)font = cv2.FONT_HERSHEY_DUPLEXcv2.putText(frame, name, (left + 6,bottom - 6), font, 0.5, (255, 255, 255), 1)# Write the resulting image to the outputvideo fileprint("Writing frame {} /{}".format(frame_number, length))output_movie.write(frame)# All done! input_movie.release() cv2.destroyAllWindows()