技術標籤：人臉識別python

文章目錄

• 捕捉攝像頭(獲取視訊)
• 膚色檢測
• 輪廓處理
• 全部程式碼

捕捉攝像頭(獲取視訊)

cap = cv2.VideoCapture("C:/Users/lenovo/Videos/wgs.mp4")#讀取檔案
#cap = cv2.VideoCapture(0)#讀取攝像頭
while(True):
    ret, frame = cap.read()    key = cv2.waitKey(50) & 0xFF
    if key ==
 
 ord('q'):
    	break
cap.release()
cv2.destroyAllWindows()

膚色檢測

這裡使用的是橢圓膚色檢測模型
在RGB空間里人臉的膚色受亮度影響相當大，所以膚色點很難從非膚色點中分離出來，也就是說在此空間經過處理後，膚色點是離散的點，中間嵌有很多非膚色，這為膚色區域標定(人臉標定、眼睛等)帶來了難題。

如果把RGB轉為YCrCb空間的話，可以忽略Y(亮度)的影響，因為該空間受亮度影響很小，膚色會產生很好的類聚。這樣就把三維的空間將為二維的CrCb，膚色點會形成一定得形狀，如：人臉的話會看到一個人臉的區域，手臂的話會看到一條手臂的形態。

def
 
 A(img):

    YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #轉換至YCrCb空間
    (y,cr,cb) = cv2.split(YCrCb) #拆分出Y,Cr,Cb值
    cr1 = cv2.GaussianBlur(cr, (5,5), 0)
    _, skin = cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) #Ostu處理
    res = cv2.bitwise_and(img,img, mask = skin)
    return
 
 res

輪廓處理

輪廓處理的話主要用到兩個函式，cv2.findContours和cv2.drawContours，這兩個函式的使用使用方法很容易搜到就不說了，這部分主要的問題是提取到的輪廓有很多個，但是我們只需要手的輪廓，所以我們要用sorted函式找到最大的輪廓。

def B(img):

    #binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny檢測
    h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #尋找輪廓
    contour = h[0]
    contour = sorted(contour, key = cv2.contourArea, reverse=True)#已輪廓區域面積進行排序
    #contourmax = contour[0][:, 0, :]#保留區域面積最大的輪廓點座標
    bg = np.ones(dst.shape, np.uint8) *255#建立白色幕布
    ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #繪製黑色輪廓
    return ret

全部程式碼

'''
@Time : 2021/2/6 15:41 
@Author : WGS
@remarks : 
'''
""" 從視訊讀取幀儲存為圖片"""
import cv2
import numpy as np

# cap = cv2.VideoCapture("C:/Users/lenovo/Videos/wgs.mp4") #讀取檔案
cap = cv2.VideoCapture(0)  # 讀取攝像頭


# 面板檢測
def A(img):
    YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB)  # 轉換至YCrCb空間
    (y, cr, cb) = cv2.split(YCrCb)  # 拆分出Y,Cr,Cb值
    cr1 = cv2.GaussianBlur(cr, (5, 5), 0)
    _, skin = cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)  # Ostu處理
    res = cv2.bitwise_and(img, img, mask=skin)
    return res


def B(img):
    # binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny檢測
    h = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)  # 尋找輪廓
    contour = h[0]
    contour = sorted(contour, key=cv2.contourArea, reverse=True)  # 已輪廓區域面積進行排序
    # contourmax = contour[0][:, 0, :]#保留區域面積最大的輪廓點座標
    bg = np.ones(dst.shape, np.uint8) * 255  # 建立白色幕布
    ret = cv2.drawContours(bg, contour[0], -1, (0, 0, 0), 3)  # 繪製黑色輪廓
    return ret


while (True):

    ret, frame = cap.read()
    # 下面三行可以根據自己的電腦進行調節
    src = cv2.resize(frame, (400, 350), interpolation=cv2.INTER_CUBIC)  # 視窗大小
    cv2.rectangle(src, (90, 60), (300, 300), (0, 255, 0))  # 框出擷取位置
    roi = src[60:300, 90:300]  # 獲取手勢框圖

    res = A(roi)  # 進行膚色檢測
    cv2.imshow("0", roi)

    gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)
    dst = cv2.Laplacian(gray, cv2.CV_16S, ksize=3)
    Laplacian = cv2.convertScaleAbs(dst)

    contour = B(Laplacian)  # 輪廓處理
    cv2.imshow("2", contour)

    key = cv2.waitKey(50) & 0xFF
    if key == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()