Opencv3.4.0---将视频中的帧保存为图片

本文介绍了一种从视频中批量提取帧图片的方法。通过使用Python和OpenCV库,可以实现从视频文件中每隔固定时间间隔抓取一帧画面,并将其保存为JPG格式的图片。

现在有一个收集人脸的需求,每一张照片只有一个人。我的解决办法是用收集录制一段视频,然后上传到PC上。在PC上使用OpenCV将图片中的每一帧保存为JPG图片。

以下是代码:

import time

import cv2

if __name__ == '__main__':
    # 填写视频的绝对路径
    vidcap = cv2.VideoCapture('/home/shushi/video/猎场.mp4')
    success, image = vidcap.read()
    start_time = time.time()
    print(start_time)

    while success:
        end_time = time.time()
        file_name = str(end_time).replace('.', '')
        # 每隔三秒截屏
        if 3 == int(end_time - start_time):
            start_time = end_time
            # 保存JGP  的绝对路径
            cv2.imwrite('/home/shushi/video/' + file_name + ".jpg", image)  # save frame as JPEG file
        success, image = vidcap.read()
        if cv2.waitKey(10) == 27:  # exit if Escape is hit
            break

将视频放到与Python文件同级目录下,然后运行程序,你就会得到视频帧对应的JPG图片了:

这里写图片描述

<think>我们正在Ubuntu18.04上使用Qt框架实现人脸识别功能。以下是一个分步指南:###步骤1:安装必要的依赖首先,确保系统已更新:```bashsudoaptupdatesudoaptupgrade```安装OpenCV(用于人脸识别功能)。根据引用[1],安装OpenCV时可能会遇到一些编译错误,例如关于`abs`函数的constexpr问题。我们可以通过添加实验性标志来解决。但为了简化,我们建议安装预编译版本(如果可用)或使用较新版本的OpenCV(如4.x)以避免此类问题。```bashsudoaptinstalllibopencv-devpython3-opencv```如果需要特定版本(如3.4.0),则需要从源码编译,并注意添加`-DCMAKE_CXX_FLAGS="--expt-relaxed-constexpr"`(参考引用[1])。###步骤2:安装Qt在Ubuntu18.04上安装Qt:```bashsudoaptinstallqt5-defaultqtcreator```###步骤3:创建Qt项目1.打开QtCreator,创建一个新的QtWidgetsApplication项目。2.在项目文件(.pro)中添加OpenCV的库:```qmakeINCLUDEPATH+=/usr/include/opencv4LIBS+=-lopencv_core-lopencv_imgproc-lopencv_highgui-lopencv_videoio-lopencv_objdetect-lopencv_face```注意:根据OpenCV安装路径,可能需要调整`INCLUDEPATH`。###步骤4:实现人脸识别我们将使用OpenCV的LBPH(LocalBinaryPatternsHistograms)人脸识别器。####步骤4.1:人脸检测使用OpenCV的CascadeClassifier进行人脸检测:```cpp#include<opencv2/opencv.hpp>#include<opencv2/face.hpp>//加载人脸检测器cv::CascadeClassifierfaceDetector;faceDetector.load("/path/to/haarcascade_frontalface_default.xml");//在图像中检测人脸cv::Matimage=cv::imread("image.jpg");std::vector<cv::Rect>faces;faceDetector.detectMultiScale(image,faces);```####步骤4.2:人脸识别收集人脸样本并训练LBPH识别器:```cpp//创建识别器cv::Ptr<cv::face::LBPHFaceRecognizer>recognizer=cv::face::LBPHFaceRecognizer::create();//假设我们有一个图像列表和对应的标签std::vector<cv::Mat>images;std::vector<int>labels;//...填充images和labels//训练recognizer->train(images,labels);//预测intpredictedLabel=-1;doubleconfidence=0.0;recognizer->predict(faceROI,predictedLabel,confidence);```####步骤4.3:集成到Qt界面在Qt中,我们可以使用`QCamera`捕获视频,然后将每一换为OpenCV的`Mat`格式进行处理,最后将结果显示在`QLabel`上。###步骤5:测试运行程序,确保能够捕获视频并实时识别人脸。###注意事项-确保摄像头权限正确。-训练数据需要足够多的人脸样本。§§相关问题§§1.如何提高人脸识别的准确率?2.除了LBPH,还有哪些人脸识别算法?3.如何在Qt中显示摄像头捕获的视频4.如何部署此应用到其他Ubuntu机器?</think>### 在Ubuntu 18.04上使用Qt实现人脸识别的步骤指南 #### 1. **安装OpenCV(含人脸识别模块)** ```bash # 安装依赖库 sudo apt install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev sudo apt install python3-dev python3-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libdc1394-22-dev # 克隆OpenCVopencv_contrib(包含人脸识别模块) git clone https://github.com/opencv/opencv.git git clone https://github.com/opencv/opencv_contrib.git cd opencv mkdir build && cd build # 配置编译(关键解决引用[1]的constexpr错误) cmake -D CMAKE_BUILD_TYPE=RELEASE \ -D CMAKE_CXX_FLAGS="--expt-relaxed-constexpr" \ # 解决abs()错误[^1] -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules \ # 包含人脸识别 -D WITH_CUDA=OFF \ # 简化安装 -D BUILD_EXAMPLES=ON .. # 编译安装(约30分钟) make -j$(nproc) sudo make install ``` #### 2. **配置Qt开发环境** ```bash # 安装Qt5和开发工具 sudo apt install qt5-default qtcreator ``` #### 3. **Qt项目集成OpenCV** 在`.pro`文件中添加: ```qmake # OpenCV配置 INCLUDEPATH += /usr/local/include/opencv4 LIBS += -L/usr/local/lib -lopencv_core -lopencv_face -lopencv_objdetect -lopencv_imgproc -lopencv_videoio ``` #### 4. **人脸识别核心代码实现** ```cpp // 人脸检测器初始化 cv::CascadeClassifier faceDetector; faceDetector.load("/usr/local/share/opencv4/haarcascades/haarcascade_frontalface_default.xml"); // 人脸识别器初始化 cv::Ptr<cv::face::LBPHFaceRecognizer> recognizer = cv::face::LBPHFaceRecognizer::create(); recognizer->read("face_recognizer.yml"); // 加载训练模型 // 摄像头捕获处理 cv::VideoCapture cap(0); cv::Mat frame; while (cap.read(frame)) { // 人脸检测 std::vector<cv::Rect> faces; faceDetector.detectMultiScale(frame, faces); // 人脸识别 for (const auto& face : faces) { cv::Mat faceROI = frame(face); int predictedLabel = -1; double confidence = 0.0; recognizer->predict(faceROI, predictedLabel, confidence); // 绘制结果(Qt界面显示) if(confidence < 80) { // 置信度阈值 cv::putText(frame, "User_" + std::to_string(predictedLabel), face.tl(), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0,255,0), 2); } cv::rectangle(frame, face, cv::Scalar(255,0,0), 2); } // 换并显示到Qt界面 QImage qimg(frame.data, frame.cols, frame.rows, frame.step, QImage::Format_RGB888); ui->label_camera->setPixmap(QPixmap::fromImage(qimg)); } ``` #### 5. **人脸识别模型训练** ```cpp // 准备训练数据 std::vector<cv::Mat> images; std::vector<int> labels; // 示例:加载10张用户1的人脸图像 for(int i=1; i<=10; i++){ images.push_back(cv::imread("user1_"+std::to_string(i)+".jpg", 0)); labels.push_back(1); } // 训练模型 recognizer->train(images, labels); recognizer->save("face_recognizer.yml"); // 保存模型 ``` #### 6. **解决常见问题** - **OpenCV编译错误**:添加`--expt-relaxed-constexpr`标志解决CUDA相关错误[^1] - **摄像头权限问题**: ```bash sudo usermod -a -G video $USER # 添加用户到video组 ``` - **模型路径问题**:确保haarcascade文件路径正确,默认在: `/usr/local/share/opencv4/haarcascades/` ### 关键技术说明 1. **人脸检测**:使用Haar级联分类器(`haarcascade_frontalface_default.xml`) 2. **人脸识别**:LBPH (Local Binary Patterns Histograms)算法 3. **置信度阈值**:通过`confidence`值过滤低质量识别结果 4. **实时处理**:OpenCV的`VideoCapture`实现摄像头捕获 > **注意**:首次运行需要收集人脸样本并训练模型(步骤5),建议每人至少10张不同角度的面部图像
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值