Clever Geek Handbook

如计算机所见





您是否想知道计算机如何从视频流中找到进行处理所需的对象？乍一看，这看起来像是一项“繁重的”编程任务，需要使用大量来自数学分析，离散数学等的公式，需要大量的知识才能至少在识别世界中编写一个像“ Hello，world”这样的小程序。视频上的图像。而且，如果您被告知实际上进入计算机视觉世界现在要容易得多，并且在阅读了本文之后，您可以编写自己的程序，该程序可以教您的计算机查看和检测人脸？此外，在本文结尾处，您还将发现可以使用计算机视觉提高PC安全性的好处。



为了使您的计算机开始了解您正在向其显示外观，我们需要：



  1. 电脑;
  2. 网络摄像头;
  3. Python 3；
  4. 您最喜欢的代码编辑器（PyCharm，Jupyter等）。


因此，在根据上面的列表收集了所需的一切之后，我们可以开始直接编写用于面部识别的程序。



首先，使用命令行中的命令下载必要的Python库： 



pip install opencv-python; numpy






简要说明为什么需要它们：



OpenCV。该库是几乎每个现代计算机视觉项目的基础。它包含数百种计算机视觉和图像处理算法。它最初是用C / C ++编写的，但由于对这种语言的巨大需求，后来也用Python进行了重写。



脾气暴躁。将有助于OpenCV库的内部计算。



完成所需的库安装后，打开我们喜欢的代码编辑器并开始编写程序：



附加OpenCV计算机视觉库 



import cv2 as cv


2.我们使用VideoCapture（索引）方法从网络摄像机捕获视频流，其中index是系统中网络摄像机的序列号。如果只有一台摄像机，则该参数等于0。 



capture = cv.VideoCapture(0)


3.要获取视频，我们将使用read（）方法，该方法将向我们返回rtrn标志-显示成功从视频流和图像捕获帧-视频流（numpy数组）的帧。我们将连续不断地从视频流中读取数据，直到按下Escape键。 



while True:
    rtrn, image = capture.read()
    cv.imshow("Capture from Web-camera", image) #      
    if cv.waitKey(1) == 27:  #      Esc
        break
capture.release()
cv.destroyAllWindows()


我们保存文件，使用python our_file_name.py从命令行运行。现在我们的程序能够从网络摄像机接收视频流了！这意味着计算机已经可以识别人脸了。



4.让我们使计算机也可以将视频写入文件：



指定用于保存视频的编解码器，指定保存的文件的名称，fps和大小。对于我们的任务，我们采用XVID编解码器。 



import cv2 as cv
capture = cv.VideoCapture(0)
codec = cv.VideoWriter_fourcc(*'XVID')


5.我们依次将帧输出到视频窗口，然后将结果保存到输出变量。然后，在视频流结束之后，来自输出的数据将被传输到文件“ saved_from_camera.avi”： 



output = cv.VideoWriter('saved_from_camera.avi ', codec, 25.0, (640, 480))
while capture.isOpened():
    rtrn, image = capture.read()
    if cv.waitKey(1) == 27 or rtrn == False:
        break
    cv.imshow('video for save', image)
    output.write(image)
output.release()
capture.release()
cv.destroyAllWindows()


了解了如何从网络摄像机拍摄视频并将其保存到文件后，我们可以继续进行最有趣的事情-视频流中的人脸识别。为了在帧中找到人脸，我们将使用所谓的Haar Features。它们的本质是，如果我们在图像中采用矩形区域，则通过相邻矩形像素之间的强度差异，我们可以区分出人脸固有的特征。



例如，在带有脸部的图像中，眼睛周围的区域比脸颊周围的区域更暗。因此，脸部的Haar标志之一可以在脸颊和眼睛处称为2个相邻的矩形。



还有许多其他更快，更准确的方法可以检测图像中的对象，但是要了解一般原理，我们现在仅需要了解Haar信号。



OpenCV的开发人员已经开展了确定Haar标志的工作，并向所有人提供了视频流处理能力的结果。



让我们开始从网络摄像头编写一个面部检测器：



6.首先，获得Haar功能并定义用于捕获视频流的参数。Traits文件位于Python库的安装路径中。默认情况下，它们位于文件夹中 



C:/Python3X/Lib/sitepackages/cv2/data/haarcascade_frontalface_default.xml


其中X是您的Python 3颠覆版本。 



import cv2 as cv
cascade_of_face = cv.CascadeClassifier('C:/Python3.X/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml ')
capture = cv.VideoCapture(0)
capture.set(cv.CAP_PROP_FPS, 25) #   25


7.接下来，在循环中，我们将轮流从网络摄像机读取帧并将其传输到面部检测器： 



while True:
    rtrn, image = capture.read()
    gr = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    faces_detect = cascade_of_face.detectMultiScale(
        image=gr,
        minSize=(15, 15),
        minNeighbors=10,
        scaleFactor=1.2
    )
    for (x_face, y_face, w_face, h_face) in faces_detect:
        cv.rectangle(image, (x_face, y_face), (x_face + w_face, y_face + h_face), (0, 0, 255), 2)
    cv.imshow("Image", image)
    if cv.waitKey(1) == 27:  # Esc key
        break
capture.release()
cv.destroyAllWindows()


8.现在，让我们将所有内容组合为一个整体，并获得一个程序，该程序可以捕获来自网络摄像机的视频，识别出其面部并将其保存到文件中： 



import cv2 as cv
faceCascade = cv.CascadeClassifier('C:/Users/Zet/Desktop/Python/test_opencv/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')
capture = cv.VideoCapture(0)
capture.set(cv.CAP_PROP_FPS, 25)
codec = cv.VideoWriter_fourcc(*'XVID')
output = cv.VideoWriter('saved_from_camera.avi', codec, 25.0, (640, 480))
while True:
    rtrn, image = capture.read()
    gr = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    faces_detect = faceCascade.detectMultiScale(
        image=gr,
        minSize=(15, 15),
        minNeighbors=10,
        scaleFactor=1.2
    )
    for (x_face, y_face, w_face, h_face) in faces_detect:
        cv.rectangle(image, (x_face, y_face), (x_face + w_face, y_face + h_face), (255, 0, 0), 2)
    cv.imshow("Image", image)
    output.write(image)
    if cv.waitKey(1) == 27:  # Esc key
        break
output.release()
capture.release()
cv.destroyAllWindows()


所有！您已经编写了一个程序，这是了解计算机外观的第一步。此外，例如，您可以改善人脸识别，以便计算机通过训练神经网络来识别视频中的某些人。您也可以编写检测器，该检测器配置为能够分析更复杂的对象（例如，跟踪流量）。并解决其他同样重要的计算机视觉任务。



奖金



让我们在实践中应用该程序-我们将跟踪该帐户下的登录信息。



  1. 让我们转到任务计划程序（可以通过标准的Windows搜索找到）；
  2. 让我们创建一个简单任务，给它一个标题和简短描述；






3.单击下一步，然后转到触发器项。在这里，我们选择将在其中启动任务的事件。我们选择“进入Windows时”；



4.接下来，在操作中，我们指示“运行程序”；



5.在“操作”中，指定python.exe的路径，在“参数”中，指定程序的路径：







完成！结果，在登录时，将记录在该帐户下登录的人，并保存视频。因此，您可以在缺席的情况下跟踪谁在计算机上工作，同时保留证据记录。


More articles:


All Articles