基于pycharm 人脸识别

首先要打开摄像头保存图片
要在pycharm里装python-opencv

import cv2
import numpy as np#添加模块和矩阵模块
cap=cv2.VideoCapture(0)
#打开摄像头，若打开本地视频，同opencv一样，只需将０换成("×××.avi")
while(1):    # get a frame
    ret, frame = cap.read()    # show a frame
    cv2.imshow("capture", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()
#释放并销毁窗口

保存视频并截图

cap = cv2.VideoCapture(camera_idx)

#告诉OpenCV使用人脸识别分类器
classfier = cv2.CascadeClassifier(r"C:\renlian\venv\Lib\site-packages\cv2\data/haarcascade_frontalface_alt2.xml")

#识别出人脸后要画的边框的颜色，RGB格式, color是一个不可增删的数组
color = (0, 255, 0)

num = 0
while cap.isOpened():
    ok, frame = cap.read() #读取一帧数据
    if not ok:
        break

    grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  #将当前桢图像转换成灰度图像

    #人脸检测，1.2和3分别为图片缩放比例和需要检测的有效点数
    faceRects = classfier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32))
    if len(faceRects) > 0:          #大于0则检测到人脸
        for faceRect in faceRects:  #单独框出每一张人脸
            x, y, w, h = faceRect

            #将当前帧保存为图片
            img_name = "%s/%d.jpg" % (path_name, num)
            #print(img_name)
            image = frame[y - 10: y + h + 10, x - 10: x + w + 10]
            cv2.imwrite(img_name, image,[int(cv2.IMWRITE_PNG_COMPRESSION), 9])

            num += 1
            if num > (catch_pic_num):   #如果超过指定最大保存数量退出循环
                break

            #画出矩形框
            cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)

            #显示当前捕捉到了多少人脸图片了，这样站在那里被拍摄时心里有个数
            font = cv2.FONT_HERSHEY_SIMPLEX
            cv2.putText(frame,'num:%d/100' % (num),(x + 30, y + 30), font, 1, (255,0,255),4)

            #超过指定最大保存数量结束程序
    if num > (catch_pic_num): break

    #显示图像
    cv2.imshow(window_name, frame)
    c = cv2.waitKey(10)
    if c & 0xFF == ord('q'):
        break

        #释放摄像头并销毁所有窗口
cap.release()
cv2.destroyAllWindows()

解释：

1. videoCapture函数 bool videoCapture::open(string &filename) bool
   videoCapture::open(int device) filename–打开的视频文件名
   device–打开的食品捕获设备id，可以填0，1，2；
2. CascadeClassifier 对象检测
3. Haar特征分为边缘特征，线性特征，中心特征和对角线特征。
4. Haar Cascade ：每个特征都应用于所有训练集图片中，对于每个特征，找出人脸图片分类效果最好的阈值。显然，分类会有误分类，我们选择分类错误率最小的那些特征，也就是说这些特征可以最好的将人脸图片和非人脸图片区分开。
5. frontalface：frontal正面的
6. cvtColor：彩色空间转换
7. classfier.detectMultiScale：可以检测出图片中所有的人脸，并将人脸用vector保存各个人脸的坐标、大小（用矩形表示）void detectMultiScale( InputArray image,
   CV_OUT std::vector & objects,
   double scaleFactor = 1.1,
   int minNeighbors = 3, int flags = 0,
   Size minSize = Size(） Size maxSize = Size() );
8. imwrite：输出图像到文件第一个参数const String& filename表示需要写入的文件名，第二个参数InputArray img图像数据。 第三个参数const std::vector& params表示为特定格式保存的参数编码，它有一个默认值std::vector< int >()，所以一般情况下不用写。
   9.rectangle：画出图像
9. imshow：映射灰度
10. putText ：显示文字
11. waitKey：一个给定的时间内(单位ms)等待用户按键触发;如果用户没有按下 键,则接续等待(循环)