ADSL拨号VPS包含了中国大陆（联通，移动，电信，）

中国香港，国外拨号VPS。

# -*- coding: utf-8 -*- import cv2import sysfrom PIL import Image  def CatchUsbVideo(window_name, camera_idx):  cv2.namedWindow(window_name)   # 视频来源，可以来自一段已存好的视频，也可以直接来自USB摄像头  cap = cv2.VideoCapture(camera_idx)   # 告诉OpenCV使用人脸识别分类器  classfier = cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt2.xml")   # 识别出人脸后要画的边框的颜色，RGB格式  color = (0, 255, 0)   count=0   while cap.isOpened():    ok, frame = cap.read() # 读取一帧数据    if not ok:      break       # 将当前帧转换成灰度图像    grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)     # 人脸检测，1.2和2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      count=count+1  return count  if __name__ == '__main__':  result=CatchUsbVideo("识别人脸区域", '2222.mp4')  if result>0:    print('视频中有人！！')  else:    print('视频中无人！！')

2、通过图片识别人脸

#-*-coding:utf8-*-# import osimport cv2from PIL import Image,ImageDrawfrom datetime import datetimeimport time #detectFaces()返回图像中所有人脸的矩形坐标（矩形左上、右下顶点）#使用haar特征的级联分类器haarcascade_frontalface_default.xml，在haarcascades目录下还有其他的训练好的xml文件可供选择。#注：haarcascades目录下训练好的分类器必须以灰度图作为输入。def detectFaces(image_name):  img = cv2.imread(image_name)  face_cascade = cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml")  if img.ndim == 3:    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  else:    gray = img #if语句：如果img维度为3，说明不是灰度图，先转化为灰度图gray，如果不为3，也就是2，原图就是灰度图   faces = face_cascade.detectMultiScale(gray, 1.2, 5)#1.3和5是特征的最小、最大检测窗口，它改变检测结果也会改变  result = []  for (x,y,width,height) in faces:    result.append((x,y,x+width,y+height))  return result  #保存人脸图def saveFaces(image_name):  faces = detectFaces(image_name)  if faces:    #将人脸保存在save_dir目录下。    #Image模块：Image.open获取图像句柄，crop剪切图像(剪切的区域就是detectFaces返回的坐标)，save保存。    save_dir = image_name.split('.')[0]+"_faces"    os.mkdir(save_dir)    count = 0    for (x1,y1,x2,y2) in faces:      file_name = os.path.join(save_dir,str(count)+".jpg")      Image.open(image_name).crop((x1,y1,x2,y2)).save(file_name)      count+=1 #在原图像上画矩形，框出所有人脸。#调用Image模块的draw方法，Image.open获取图像句柄，ImageDraw.Draw获取该图像的draw实例，然后调用该draw实例的rectangle方法画矩形(矩形的坐标即#detectFaces返回的坐标)，outline是矩形线条颜色(B,G,R)。#注：原始图像如果是灰度图，则去掉outline，因为灰度图没有RGB可言。drawEyes、detectSmiles也一样。def drawFaces(image_name):  faces = detectFaces(image_name)  if faces:    img = Image.open(image_name)    draw_instance = ImageDraw.Draw(img)    for (x1,y1,x2,y2) in faces:      draw_instance.rectangle((x1,y1,x2,y2), outline=(255, 0,0))    img.save('drawfaces_'+image_name) #检测眼睛，返回坐标#由于眼睛在人脸上，我们往往是先检测出人脸，再细入地检测眼睛。故detectEyes可在detectFaces基础上来进行，代码中需要注意“相对坐标”。#当然也可以在整张图片上直接使用分类器,这种方法代码跟detectFaces一样，这里不多说。def detectEyes(image_name):  eye_cascade = cv2.CascadeClassifier('/usr/share/opencv/haarcascades/haarcascade_eye.xml')  faces = detectFaces(image_name)   img = cv2.imread(image_name)  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  result = []  for (x1,y1,x2,y2) in faces:    roi_gray = gray[y1:y2, x1:x2]    eyes = eye_cascade.detectMultiScale(roi_gray,1.3,2)    for (ex,ey,ew,eh) in eyes:      result.append((x1+ex,y1+ey,x1+ex+ew,y1+ey+eh))  return result  #在原图像上框出眼睛.def drawEyes(image_name):  eyes = detectEyes(image_name)  if eyes:    img = Image.open(image_name)    draw_instance = ImageDraw.Draw(img)    for (x1,y1,x2,y2) in eyes:      draw_instance.rectangle((x1,y1,x2,y2), outline=(0, 0,255))    img.save('draweyes_'+image_name)  #检测笑脸def detectSmiles(image_name):  img = cv2.imread(image_name)  smiles_cascade = cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_smile.xml")  if img.ndim == 3:    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  else:    gray = img #if语句：如果img维度为3，说明不是灰度图，先转化为灰度图gray，如果不为3，也就是2，原图就是灰度图   smiles = smiles_cascade.detectMultiScale(gray,4,5)  result = []  for (x,y,width,height) in smiles:    result.append((x,y,x+width,y+height))  return result  #在原图像上框出笑脸def drawSmiles(image_name):  smiles = detectSmiles(image_name)  if smiles:    img = Image.open(image_name)    draw_instance = ImageDraw.Draw(img)    for (x1,y1,x2,y2) in smiles:      draw_instance.rectangle((x1,y1,x2,y2), outline=(100, 100,0))    img.save('drawsmiles_'+image_name)  if __name__ == '__main__':  time1=datetime.now()  result=detectFaces('9.jpg')  time2=datetime.now()  print("耗时："+str(time2-time1))  if len(result)>0:    print("有人存在！！---》人数为："+str(len(result)))  else:    print('视频图像中无人！！')   drawFaces('9.jpg')  # drawEyes('obama.jpg')  # drawSmiles('obama.jpg')  # saveFaces('obama.jpg') """上面的代码将眼睛、人脸、笑脸在不同的图像上框出，如果需要在同一张图像上框出，改一下代码就可以了。总之，利用opencv里训练好的haar特征的xml文件，在图片上检测出人脸的坐标，利用这个坐标，我们可以将人脸区域剪切保存，也可以在原图上将人脸框出。剪切保存人脸以及用矩形工具框出人脸，本程序使用的是PIL里的Image、ImageDraw模块。此外，opencv里面也有画矩形的模块，同样可以用来框出人脸。"""

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

(责任编辑：admin)