使用 Python 和 OpenCV 获取人脸部分并存储

Python OpenCV 获取人脸部分并存储功能 在这篇文章中，我们将学习如何使用 Python 和 OpenCV 库来获取人脸部分并将其存储下来。OpenCV 是一个功能强大且广泛使用的计算机视觉库，它提供了许多有用的功能来处理图像和视频。 人脸检测 在这篇代码中，我们使用了 OpenCV 的 CascadeClassifier 来检测人脸。 CascadeClassifier 是一种机器学习算法，可以用来检测图像中的特征。在这里，我们使用了 haarcascade_frontalface_alt.xml 模型来检测人脸。 首先，我们需要导入 OpenCV 库和其他必要的模块： ```python import cv2 import os import time import base64 import numpy as np ``` 然后，我们设置了人脸检测模型的路径和其他参数： ```python faceCascade = cv2.CascadeClassifier('./haarcascade_frontalface_alt.xml') ``` 视频捕获 接下来，我们使用 OpenCV 的 VideoCapture 函数来捕获视频流： ```python cap = cv2.VideoCapture(0) ``` 这里的参数 0 表示我们使用的是默认的摄像头。 人脸检测和存储 在循环中，我们读取视频流，转换为灰度图像，并使用 CascadeClassifier 来检测人脸： ```python while True: ret, frame = cap.read() gray = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY) rect = faceCascade.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=9, minSize=(50, 50), flags=cv2.CASCADE_SCALE_IMAGE) ``` 如果检测到人脸，我们将其裁剪出来，并将其存储到指定的路径下： ```python if not rect is (): for x, y, w, h in rect: roiImg = frame[y:y+h, x:x+w] listStr = [str(int(time.time())), str(count)] fileName = ''.join(listStr) cv2.imwrite(save_path + os.sep + '%s.jpg' % fileName, roiImg) ``` 这里，我们使用了时间戳和计数器来生成唯一的文件名。 显示和退出 最后，我们显示视频流，并等待用户按下 Esc 键退出： ```python cv2.imshow('opencvCut', frame) k = cv2.waitKey(30) & 0xff if k == 27: break ``` 总结 在这篇文章中，我们学习了如何使用 Python 和 OpenCV 库来获取人脸部分并将其存储下来。我们使用了 CascadeClassifier 来检测人脸，并使用 OpenCV 的 VideoCapture 函数来捕获视频流。最后，我们使用了时间戳和计数器来生成唯一的文件名，并将人脸部分存储到指定的路径下。