Python+OpenCV 调用手机摄像头并实现人脸识别
文章内容：
1、windows 环境下安装 OpenCV 机器视觉环境搭建；
2、基于通过Python+OpenCV调用手机摄像头并实现人脸检测识别。
目录
- 1 实验环境
- 2 实验准备
-
- 2.1 下载 OpenCV
- 2.2 OpenCv安装
- 2.3 测试安装
- 3 使用OpenCV调用手机摄像头并实现人脸识别
-
- 3.1 手机上的准备
- 3.2 创建调用实现的代码
- 3.3 下载人脸检测xml文件
- 3.4 实验效果
- 4 实验分析
- 5 总结
- 6 参考资料
1 实验环境
- 操作环境：Windows 10 64位
- 开发 IDE：Spyder 4.2.5
- Python：3.8
- OpenCV：OpenCv-Python 4.5.3
- 硬件需要：PC（win10）、手机
2 实验准备
2.1 下载 OpenCV
主要介绍使用 pip 安装 OpenCV（使用.whl文件安装）。网上还有很多安装教程，比如：windows环境下的Anaconda安装与OpenCV机器视觉环境搭建、在Pycharm的环境下安装OpenCV
- 下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/
- 打开网页选择自己对应 Python 版本的 .whl 文件并下载至硬盘（.whl件是 python 的包文件，包含了 py 文件，以及经过编译的 pyd 文件，用于安装），版本对应关系如下图所示。
注意：这里需要注意版本对应，由于我的电脑为 64bit 系统，且安装的 Python 是 3.8 版本的，所以，我选择其中的“opencv_python-4.5.3-cp38-cp38-win_amd64.whl”文件进行下载。
- 下载之后可以从目录里看到：
2.2 OpenCv安装
- 使用 “win+R” 键打开 cmd 命令行窗口，先输入上一步下载好的 .whl 文件的所在磁盘，在用“cd+目录地址”打开文件所在目录，接着输入下面这行命令：
pip install opencv_python-4.5.3-cp38-cp38-win_amd64.whl
现在就开始安装，等待安装结束即可。
2.3 测试安装
- 打开开始菜单，找到程序里的 Spyder 并启动
Spyder 的安装涉及到 Python 环境的整体配置，没有的可以可以参考我的另一条博文：Python环境资源配置，最好建立好整个环境。
- 在代码编辑区输入如下代码：
mport cv2
img = cv2.imread("E:/Pictures/cat.jpg", 1)
cv2.imshow("1", img)
cv2.waitKey()
注意：代码第二行中的目录位置是自己电脑中的一张图片位置，这里我用的是我电脑中的 cat.jpg 文件。
- 点击左上方的绿色运行按键，开始运行，可以看到代码通过 OpenCV 记录了图片的像素位置并重新展示了图片，说明此时 OpenCV 已经安装成功并能顺利使用。
3 使用OpenCV调用手机摄像头并实现人脸识别
3.1 手机上的准备
-
在手机上下载“IP 摄像头”，并安装。这里我在应用宝里下载了 IP 摄像头
-
打开软件，点击下方的“打开 IP 摄像头服务器”，会出现摄像头的局域网 IP 地址
注意：此时我的电脑连接这手机热点，也可以手机跟电脑连接在同一个 WiFi 下，使得用局域网地址获取手机摄像头。
3.2 创建调用实现的代码
-
打开之前使用的 Spyder 软件并启动，点击如下图中的按键创建新的文件
-
在代码编辑区输入下面代码：
import cv2 as cv
#读取视频信息。
cap = cv.VideoCapture("http://admin:[email protected]:8081/") #@前为账号密码，@后为ip地址
face_xml = cv.CascadeClassifier("haarcascade_frontalface_default.xml") #导入XML文件
while(cap.isOpened()):
f,img = cap.read() #读取一帧图片
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY) #转换为灰度图
face = face_xml.detectMultiScale(gray,1.3,10) #检测人脸，并返回人脸位置信息
for (x,y,w,h) in face:
cv.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
cv.imshow("1",img)
if cv.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
注意：
① 第二句代码中的 admin 为我的 IP 摄像头用户名， admin 为我的IP摄像头密码，这个可以在手机APP的设置里查看和修改，代码中的要使用自己的用户名、密码。
② @后面的地址是局域网IP地址，这个在打开IP摄像头服务器之后的界面就能看到，也需要修改为自己的地址。
③ 代码的其他部分无需修改。
3.3 下载人脸检测xml文件
- 需要下载人脸模型库文件“ haarcascade_frontalface_default.xml ”，帮助摄像头获取的画面去对比。
可以通过百度网盘链接下载：https://pan.baidu.com/s/1fl0XbZi8m6e_qknhHYlmOw
提取码：luha - 下载成功后，将“haarcascade_frontalface_default.xml”文件放在上面的代码文件目录里
3.4 实验效果
- 回到 Spyder 软件，点击左上方的绿色运行按键，开始运行，便调出了手机摄像头，可以识别到我们的人脸，效果如下图：
可以看到，在人脸区域会自动出现蓝色的矩形框，说明能正常识别到人脸。
注意：在手机摄像头人脸识别时，切记最好将眼镜、刘海等遮挡物去掉！！以便更好的识别。
4 实验分析
在使用 OpenCV 调用手机摄像头进行人脸识别的实验中，实验过程上并不难，就是操作比较复杂。Python+OpenCv 来实现摄像头人脸识别的原理是通过 Haar 特征选择，对人脸的特征数据进行提取，实现将人脸识别出来。在做的时候需要注意的细节也比较多，在最后的摄像头识别时，切记将眼镜等遮挡物拿掉，尽量露出完整脸部，不然会识别不成功，我就是因为这个出现一直识别不了的问题，耽误了很长时间，所以需要多注意。
5 总结
通过一个简单的人脸识别应用，了解 OpenCV 的运行环境和功能，对OpenCV 有了更深一步探索的好奇心，期待今后能更进一步学习和应OpenCV 完成深度识别检测。文章内容如有错误或疑问，欢迎读者评论区留言。
6 参考资料
1、windows环境下的Anaconda安装与OpenCV机器视觉环境搭建
2、基于OpenCV调用手机摄像头并实现人脸检测