使用mediapipe和OpenCV实现摄像头实时人脸检测

# 摄像头实时人脸检测
# opencv
import time

import cv2
# mediapipe ai工具包
import mediapipe as mp
# 进度条库
from tqdm import tqdm

# 导入模型
mp_face_detection = mp.solutions.face_detection
model = mp_face_detection.FaceDetection(
    min_detection_confidence=0.5,  # 置信度阈值,过滤掉小于置信度的预测框
    model_selection=1,  # 选择模型,0 适用于人脸离摄像头比较近(2米内),1 适用于比较远(5米以内)
)
# 导入可视化函数以及可视化样式
mp_drawing = mp.solutions.drawing_utils
# 关键点样式
keypoint_style = mp_drawing.DrawingSpec(thickness=5, circle_radius=3, color=(0, 255, 0))
# 人脸预测框样式
bbox_style = mp_drawing.DrawingSpec(thickness=5, circle_radius=3, color=(255, 0, 0))


# 处理单帧的函数
def process_frame(img):
    # 记录该帧开始处理的时间
    start_time = time.time()
    # BGR转RGB
    img_RGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    # 将RGB输入模型预测结果
    results = model.process(img_RGB)
    if results.detections:  # 只有检测出人脸的时候才可视化
        # 可视化人脸框和人脸关键点
        for detection in results.detections:
            mp_drawing.draw_detection(img,
                                      detection,
                                      keypoint_drawing_spec=keypoint_style,
                                      bbox_drawing_spec=bbox_style)
    # 记录该帧完毕处理的时间
    end_time = time.time()
    # 计算每秒处理图像帧数FPS
    FPS = 1 / (end_time - start_time)
    scaler = 1
    # 在图像上写FPS数值,参数依次为图片、添加的文字、左上角坐标、字体、字体大小、颜色、字体粗细
    img = cv2.putText(img, 'FPS ' + str(int(FPS)), (25 * scaler, 50 * scaler), cv2.FONT_HERSHEY_SIMPLEX, 1.25 * scaler,
                      (0, 0, 255), 1)
    return img


# 调用摄像头获取每帧

# 获取摄像头
cap = cv2.VideoCapture(0)
# 打开cap
cap.open(0)
# 无限循环,直到break被触发
while cap.isOpened():
    # 获取画面
    success, frame = cap.read()
    if not success:
        print('出错啦!')
        break
    #     处理帧函数
    frame = process_frame(frame)
    #     展示处理后的三通道图像
    cv2.imshow('my_window', frame)
    # 按q或Esc退出
    if cv2.waitKey(1) in [ord('q'), 27]:
        break
# 关闭摄像头
cap.release
# 关闭窗口图像
cv2.destoryAllWindows()

posted @ 2022-07-22 16:37  木子欢儿  阅读(175)  评论(0编辑  收藏  举报