Python3.6.3+opencv3.3.0学习笔记十四--基于分类器的动态人脸人体捕获

说明
采用opencv3.3.0提供的face和body的分类集XML编制脸部识别和人体识别同时进行的代码。
人脸识别的准确率相当高，但人体识别提供的lowerBody、upperBody、fullBody分类集均需要根据不同的使用场景进行参数的设定，适用范围受到很大的限制，仅可以作为辅助手段进行。

import cv2
import numpy as np

classifier_face=cv2.CascadeClassifier("C:/opencv-3.3.0/data/haarcascades/haarcascade_frontalface_alt.xml")
classifier_body=cv2.CascadeClassifier("C:/opencv-3.3.0/data/haarcascades/haarcascade_upperbody.xml")
#定义人脸识别的分类数据集，需要自己查找，在opencv的目录下，参考上面我的路径
#人脸有6种以上的识别集，人体有3种识别集，可以在opencv的data目录下找到。

fourcc = cv2.VideoWriter_fourcc(*"DIVX")    #其它的如‘MPEG’，‘MP42’，‘U263’
out = cv2.VideoWriter('c://video.avi',fourcc,20,(640,480))

cv2.namedWindow("Face_Detect")  #定义一个窗口

video="http://aikes:701115@192.168.31.28:8080//video"
cap = cv2.VideoCapture(video)

while (1):
    ret, frame=cap.read()#首先返回，这一步非常重要，缺少则出错
    if not ret:
        break
    size=frame.shape[:2]
    image=np.zeros(size,dtype=np.float16)
    image=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
    cv2.equalizeHist(image,image)
    divisor=20#给定最小的识别系数，太小了虚警过多，太大了会漏掉人脸
    h,w=size
    minSize=(int(w/divisor),int(h/divisor)) #像素一定是整数，或者用w//divisor

    faceRects = classifier_face.detectMultiScale(image,1.2, 2, cv2.CASCADE_SCALE_IMAGE,minSize)
    bodyRects = classifier_body.detectMultiScale(image,1.2, 2, cv2.CASCADE_SCALE_IMAGE,(30,90))
    #人脸识别

    if len(faceRects) > 0:
        for faceRect in faceRects:
            x, y, w, h = faceRect
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)  # 矩形轮廓

    if len(bodyRects) > 0:
        for bodyRect in bodyRects:
            x, y, w, h = bodyRect
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 255), 2)  # 矩形轮廓

    cv2.imshow("Face_Detect",frame)#显示轮廓

    #out.write(frame) # 开始保存视频

    if cv2.waitKey(5) == ord(" ") or cv2.waitKey (5) == 27:#按下‘esc’退出循环
            print('quit\n')
            break

#退出循环后执行清零
cap.release()
out.release()
cv2.destroyAllWindows()

在这个例程中，人脸识别远远超过人体识别。