pythoncamera
A. python中如何使用OpenCv讀取視頻的某一幀並保存到數組NumPy中
1：可以使用opencv讀取。
2：其代碼如下：
#includehighgui.h
#includecv.h
//從攝像頭中讀入數據
int main(int argc,char** argv)
{
cvNamedWindow(Example1,CV_WINDOW_AUTOSIZE);
CvCapture* capture; //初始化一個CvCapture結構的指針
if(argc==1)
{
capture=cvCaptureFromCAM(0);//如果參數為1，則從攝像頭中讀入數據，並返回一個CvCapture的指針
} //註：《學習OpenCV》中此處用cvCreateCameraCapture為錯
else
{
capture=cvCreateFileCapture(argv[1]);
}
assert(capture!=NULL); //斷言（assert）使用，檢查capture是否為空指針，為假時程序退出，並列印錯誤消息
IplImage* frame;
while(1)
{
frame=cvQueryFrame(capture);//用於將下一幀視頻文件載入內存（實際是填充和更新CvCapture結構中），返回一個對應當前幀的指針
if(!frame)
break;
cvShowImage(Example1,frame);
char c=cvWaitKey(33);
if(c==27) break; //出發ESC鍵退出循環，讀入數據停止
}
cvReleaseCapture(capture);//釋放內存
cvDestroyWindow(Example1);
}
B. python 怎麼import camera
如果有camera包，就直接使用
import camera
如果沒有，則需要找到你使用的這個包，才可以
C. 怎麼在Android下用python調用攝像頭
1、下載相關軟體包 下載地址：（code/p/android-scripting/downloads/list），我們需要下載如下幾個文件： 並將這5個文件復制到 Android SDK目錄下，（我這里復制到 /opt/android-sdk-linux/platform-tools , adb工具現在被放在platform-tools下，而不是原來的tools目錄） 2、安裝 .apk 程序 注意：在安裝前,請你保持Android 虛擬器的運行狀態。 到終端下,進入 platform-tools 目錄運行命令: sudo ./adb install sl4a_r3.apk 安裝不需要太多時間,很快完成,如果你看到「Success」,則表示你安裝成功,否則請嘗試重新安裝。安同樣方法,安裝python_for_android_r1.apk。 3、安裝Python 回到虛擬器，點擊 圖標，進入程序菜單界面。 4、import Android，即可調用各個類。
D. python 數據輸出
產生輸出的最簡單方法是使用print語句，可以通過用逗號分隔零個或多個表達式。這個函數傳遞表達式轉換為一個字元串，如下結果寫到標准輸出-
print("Pythonisreallyagreatlanguage,","isn'tit?")
1
這將產生以下結果標准屏幕上：
Pythonisreallyagreatlanguage,isn'tit?
E. python 找不到camera_cal/wide_dist_pickle.p
你使用的是不帶路徑的文件名，因此依賴於「當前路徑」，也就是你啟動python時的路徑。
在代碼里用如下代碼來顯示並檢查當前路徑：
print(os.getcwd())
如果經檢查並不是你截圖的路徑，那要麼cd到此路徑再啟動python，要麼用帶路徑的文件名。
F. python 查找關鍵詞並輸出
B = 'words'
C =[]
D =[]
if B.find('camera'):
C.append(B)
if B.find('display'):
D.append(B)
G. python中如何讀取攝像
#coding=utf-8
#Camera
#Author:Res_TP
#2018.11.29
#使用以下命令安裝Pillow和openCV
#python-mpipinstallnumpy
#python-mpipinstallmatplotlib
#python-mpipinstallPillow
#python-mpipinstallopencv-python
importcv2
fromPILimportImage,ImageDraw
if__name__=="__main__":
camera=cv2.VideoCapture(0)
cv2.namedWindow("Camera")
ifnotcamera.isOpened():
print("Cameracoudn'tbefound.")
exit(0)
whileTrue:
status,img=camera.read()
ifstatus==False:
print("Cameraclosed.")
break
key=cv2.waitKey(1)
ifcv2.getWindowImageRect("Camera")[0]==-1:
break
cv2.imshow("Camera",img)
camera.release()
cv2.destroyAllWindows()
H. Python中如何獲取其他方法的參數
self.openimage() 是 CameraCalibration 中第一行的 cv.imread() 的第一個參數吧？
那 self.openimage() 為什麼沒有返回值呢？
I. 如何使用Python，基於OpenCV與Face++實現人臉解鎖的功能
近幾天微軟的發布會上講到了不少認臉解鎖的內容，經過探索，其實利用手頭的資源我們完全自己也可以完成這樣一個過程。
本文講解了如何使用Python，基於OpenCV與Face++實現人臉解鎖的功能。
本文基於Python 2.7.11，Windows 8.1 系統。
主要內容
Windows 8.1上配置OpenCV
OpenCV的人臉檢測應用
使用Face++完成人臉辨識（如果你想自己實現這部分的功能，可以借鑒例如這個項目）
獲取攝像頭的圖片
在圖片中檢測到人臉的區域
在人臉的區域周圍繪制方框
上傳圖片獲取讀取到的人的face_id
創建Person，獲取person_id（Person中的圖片可以增加、刪除）
比較兩個face_id，判斷是否是一個人
比較face_id與person_id，判斷是否是一個人
使用一個程序設置賬戶（包括向賬戶中存儲解鎖用的圖片）
使用另一個程序登陸（根據輸入的用戶名測試解鎖）
Windows 8.1上配置OpenCV
入門的時候配置環境總是一個非常麻煩的事情，在Windows上配置OpenCV更是如此。
既然寫了這個推廣的科普教程，總不能讓讀者卡在環境配置上吧。
下面用到的文件都可以在這里（提取碼：b6ec）下載，但是注意，目前OpenCV僅支持Python2.7。
將cv2加入site-packages
將下載下來的cv2.pyd文件放入Python安裝的文件夾下的Libsite-packages目錄。
就我的電腦而言，這個目錄就是C:/Python27/Lib/site-packages/。
記得不要直接使用pip安裝，將文件拖過去即可。
安裝numpy組件
在命令行下進入到下載下來的文件所在的目錄（按住Shift右鍵有在該目錄打開命令行的選項）
鍵入命令：
1
pip install numpy-1.11.0rc2-cp27-cp27m-win32.whl
如果你的系統或者Python不適配，可以在這里下載別的輪子。
測試OpenCV安裝
在命令行鍵入命令：
1
python -c "import cv2"
如果沒有出現錯誤提示，那麼cv2就已經安裝好了。
OpenCV的人臉檢測應用
人臉檢測應用，簡而言之就是一個在照片里找到人臉，然後用方框框起來的過程（我們的相機經常做這件事情）
那麼具體而言就是這樣一個過程：
獲取攝像頭的圖片
這里簡單的講解一下OpenCV的基本操作。
以下操作是打開攝像頭的基本操作：
1
2
3
4
5
6
7
#coding=utf8
import cv2
# 一般筆記本的默認攝像頭都是0
capInput = cv2.VideoCapture(0)
# 我們可以用這條命令檢測攝像頭是否可以讀取數據
if not capInput.isOpened(): print('Capture failed because of camera')
那麼怎麼從攝像頭讀取數據呢？
1
2
3
4
5
6
7
8
# 接上段程序
# 現在攝像頭已經打開了，我們可以使用這條命令讀取圖像
# img就是我們讀取到的圖像，就和我們使用open('pic.jpg', 'rb').read()讀取到的數據是一樣的
ret, img = capInput.read()
# 你可以使用open的方式存儲，也可以使用cv2提供的方式存儲
cv2.imwrite('pic.jpg', img)
# 同樣，你可以使用open的方式讀取，也可以使用cv2提供的方式讀取
img = cv2.imread('pic.jpg')
為了方便顯示圖片，cv2也提供了顯示圖片的方法：
1
2
3
4
5
6
# 接上段程序
# 定義一個窗口，當然也可以不定義
imgWindowName = 'ImageCaptured'
imgWindow = cv2.namedWindow(imgWindowName, cv2.WINDOW_NORMAL)
# 在窗口中顯示圖片
cv2.imshow(imgWindowName, img)
當然在完成所有操作以後需要把攝像頭和窗口都做一個釋放：
1
2
3
4
5
# 接上段程序
# 釋放攝像頭
capInput.release()
# 釋放所有窗口
cv2.destroyAllWindows()
在圖片中檢測到人臉的區域
OpenCV給我們提供了已經訓練好的人臉的xml模板，我們只需要載入然後比對即可。
1
2
3
4
5
6
7
8
# 接上段程序
# 載入xml模板
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 將圖形存儲的方式進行轉換
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 使用模板匹配圖形
faces = faceCascade.detectMultiScale(gray, 1.3, 5)
print(faces)
在人臉的區域周圍繪制方框
在上一個步驟中，faces中的四個量分別為左上角的橫坐標、縱坐標、寬度、長度。
所以我們根據這四個量很容易的就可以繪制出方框。
1
2
3
# 接上段程序
# 函數的參數分別為：圖像，左上角坐標，右下角坐標，顏色，寬度
img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
成果
根據上面講述的內容，我們現在已經可以完成一個簡單的人臉辨認了：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
#coding=utf8
import cv2
print('Press Esc to exit')
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
imgWindow = cv2.namedWindow('FaceDetect', cv2.WINDOW_NORMAL)
def detect_face():
capInput = cv2.VideoCapture(0)
# 避免處理時間過長造成畫面卡頓
nextCaptureTime = time.time()
faces = []
if not capInput.isOpened(): print('Capture failed because of camera')
while 1:
ret, img = capInput.read()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
if nextCaptureTime < time.time():
nextCaptureTime = time.time() + 0.1
faces = faceCascade.detectMultiScale(gray, 1.3, 5)
if faces:
for x, y, w, h in faces:
img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
cv2.imshow('FaceDetect', img)
# 這是簡單的讀取鍵盤輸入，27即Esc的acsii碼
if cv2.waitKey(1) & 0xFF == 27: break
capInput.release()
cv2.destroyAllWindows()
if __name__ == '__main__':
detect_face()
使用Face++完成人臉辨識
第一次認識Face++還是因為支付寶的人臉支付，響應速度還是非常讓人滿意的。
現在只需要免費注冊一個賬號然後新建一個應用就可以使用了，非常方便。
他的官方網址是這個，注冊好之後在這里的我的應用中創建應用即可。
創建好應用之後你會獲得API Key與API Secret。
Face++的API調用邏輯簡單來說是這樣的：
上傳圖片獲取face_id
在將圖片通過post方法上傳到特定的地址後將返回一個json的值。
如果api_key, api_secret沒有問題，且在上傳的圖片中有識別到人臉，那麼會存儲在json的face鍵值下。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
#coding=utf8
import requests
# 這里填寫你的應用的API Key與API Secret
API_KEY = ''
API_SECRET = ''
# 目前的API網址是這個，你可以在API文檔里找到這些
BASE_URL = 'httlus.com/v2'
# 使用Requests上傳圖片
url = '%s/detection/detect?api_key=%s&api_secret=%s&attribute=none'%(
BASE_URL, API_KEY, API_SECRET)
files = {'img': (os.path.basename(fileDir), open(fileDir, 'rb'),
mimetypes.guess_type(fileDir)[0]), }
r = requests.post(url, files = files)
# 如果讀取到圖片中的頭像則輸出他們，其中的'face_id'就是我們所需要的值
faces = r.json().get('face')
print faces
創建Person
這個操作沒有什麼可以講的內容，可以對照這段程序和官方的API介紹。
官方的API介紹可以見這里，相信看完這一段程序以後你就可以自己完成其餘的API了。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 上接上一段程序
# 讀取face_id
if not faces is None: faceIdList = [face['face_id'] for face in faces]
# 使用Requests創建Person
url = '%s/person/create'%BASE_URL
params = {
'api_key': API_KEY,
'api_secret': API_SECRET,
'person_name': 'LittleCoder',
'face_id': ','.join(faceIdList), }
r = requests.get(url, params = params)
# 獲取person_id
print r.json.()['person_id']
進度確認
到目前為止，你應該已經可以就給定的兩張圖片比對是否是同一個人了。
那麼讓我們來試著寫一下這個程序吧，兩張圖片分別為』pic1.jpg』, 『pic2.jpg』好了。
下面我給出了我的代碼：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
def upload_img(fileDir, oneface = True):
url = '%s/detection/detect?api_key=%s&api_secret=%s&attribute=none'%(
BASE_URL, API_KEY, API_SECRET)
if oneface: url += '&mode=oneface'
files = {'img': (os.path.basename(fileDir), open(fileDir, 'rb'),
mimetypes.guess_type(fileDir)[0]), }
r = requests.post(url, files = files)
faces = r.json().get('face')
if faces is None:
print('There is no face found in %s'%fileDir)
else:
return faces[0]['face_id']
def compare(faceId1, faceId2):
url = '%s/recognition/compare'%BASE_URL
params = BASE_PARAMS
params['face_id1'] = faceId1
params['face_id2'] = faceId2
r = requests.get(url, params)
return r.json()
faceId1 = upload_img('pic1.jpg')
faceId2 = upload_img('pic2.jpg')
if face_id1 and face_id2:
print(compare(faceId1, faceId2))
else:
print('Please change two pictures')
成品
到此，所有的知識介紹都結束了，相比大致如何完成這個項目各位讀者也已經有想法了吧。
下面我們需要構思一下人臉解鎖的思路，大致而言是這樣的：
這里會有很多重復的代碼，就不再贅述了，你可以在這里或者這里（提取碼：c073）下載源代碼測試使用。
這里是設置賬戶的截圖：
登陸
結束語
希望讀完這篇文章能對你有幫助，有什麼不足之處萬望指正（鞠躬）。