Python opencv实现人眼 实现人眼/人脸识别以及实时打码处理 人脸识别以及实时打码处理 利用Python+opencv实现从摄像头捕获图像，识别其中的人眼/人脸，并打上马赛克。 系统环境：Windows 7 + Python 3.6.3 + opencv 3.4.2 一、系统、资源准备 一、系统、资源准备 要想达成该目标，需要满足一下几个条件： 找一台带有摄像头的电脑，一般笔记本即可； 需配有Python3，并安装NumPy包、opencv； 需要有已经训练好的分类器，用于识别视频中的人脸、人眼等，如无分类器，可以点击这里下载：haarcascades分类器 二、动手做 二、动手做 1、导入相关包、设置视频格式、调用摄像头、指定分类器 import numpy as np import cv2 fourcc = cv2.VideoWriter_fourcc("D", "I", "B", " ") out = cv2.VideoWriter('frame_mosic.MP4',fourcc, 20.0, (640,480)) cv2.namedWindow("CaptureFace") #调用摄像头 cap=cv2.VideoCapture(0) #人眼识别器分类器 classfier=cv2.CascadeClassifier("../haarcascades/haarcascade_eye_tree_eyeglasses.xml") 2、逐帧调用图像，并实时处理 从摄像头读取一帧图像后，先转化为灰度图像，然后利用指定的分类器识别出我们需要的内容，接着对该部分内容利用高斯噪 声进行覆盖，以达成马赛克的目的。 代码如下： while cap.isOpened(): read,frame=cap.read() if not read: break #灰度转换 grey=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) #人脸检测 Rects = classfier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32)) if len(Rects) > 0: for Rect in Rects: x, y, w, h = Rect # 打码：使用高斯噪声替换识别出来的人眼所对应的像素值 frame[y+10:y+h-10,x:x+w,0]=np.random.normal(size=(h-20,w)) frame[y+10:y+h-10,x:x+w,1]=np.random.normal(size=(h-20,w)) frame[y+10:y+h-10,x:x+w,2]=np.random.normal(size=(h-20,w)) cv2.imshow("CaptureFace",frame) if cv2.waitKey(5)&0xFF==ord('q'): break # 保存视频 out.write(frame) #释放相关资源 cap.release() out.release() cv2.destroyAllWindows() 3、观察效果 代码调用摄像头并在窗口进行了显示，可以实时观察到图像处理的效果，如图： 

并将结果保存为视频，方便随时查看： 完整代码如下： # -*- coding: utf-8 -*- import numpy as np import cv2 fourcc = cv2.VideoWriter_fourcc("D", "I", "B", " ") out = cv2.VideoWriter('frame_mosic.MP4',fourcc, 20.0, (640,480)) cv2.namedWindow("CaptureFace") #调用摄像头 cap=cv2.VideoCapture(0) #人眼识别器分类器 classfier=cv2.CascadeClassifier("../haarcascades/haarcascade_eye_tree_eyeglasses.xml") while cap.isOpened(): read,frame=cap.read() if not read: break #灰度转换 grey=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) #人脸检测 Rects = classfier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32)) if len(Rects) > 0: for Rect in Rects: x, y, w, h = Rect # 打码：使用高斯噪声替换识别出来的人眼所对应的像素值 frame[y+10:y+h-10,x:x+w,0]=np.random.normal(size=(h-20,w)) frame[y+10:y+h-10,x:x+w,1]=np.random.normal(size=(h-20,w)) frame[y+10:y+h-10,x:x+w,2]=np.random.normal(size=(h-20,w)) 

cv2.imshow("CaptureFace",frame) if cv2.waitKey(5)&0xFF==ord('q'): break # 保存视频 out.write(frame) #释放相关资源 cap.release() out.release() cv2.destroyAllWindows() 利用opencv提供Python接口，可以很方便的进行图像、视频处理方面的学习研究，实在是很方便。这里把近期所学做个简单 应用，后续再学习更深入的知识。 您可能感兴趣的文章:Python基于OpenCV库Adaboost实现人脸识别功能详解python调用OpenCV实现人脸识别功能python 您可能感兴趣的文章 opencv3实现人脸识别（windows）python+opencv实现的简单人脸识别代码示例详解如何用OpenCV + Python 实现人脸识别 python使用opencv进行人脸识别Python基于Opencv来快速实现人脸识别过程详解（完整版）