精华内容
下载资源
问答
  • 资源下载地址:https://download.csdn.net/download/qianlixiaomage/10402073
    展开全文
  • OPENCV_摄像头采集_MFC显示
  • 基于QT+Opencv摄像头采集程序 Opencv的配置 QImage的保存
  • Opencv集成了大量视频和图像处理的方法,进行计算机视觉领域进行相关研究中,经常要调用摄像头采集图像数据,一般方法如下: 1、cap = cv2.VideoCapture(0) VideoCapture()中参数是0,表示打开笔记本的内置摄像头,...

    Opencv集成了大量视频和图像处理的方法,进行计算机视觉领域进行相关研究中,经常要调用摄像头采集图像数据,一般方法如下:

    在这里插入图片描述
    1、cap = cv2.VideoCapture(0)
    VideoCapture()中参数是0,表示打开笔记本的内置摄像头,参数是视频文件路径则打开视频,如cap = cv2.VideoCapture("…/test.avi")
    2、ret,frame = cap.read()
    cap.read()按帧读取视频,ret,frame是获cap.read()方法的两个返回值。其中ret是布尔值,如果读取帧是正确的则返回True,如果文件读取到结尾,它的返回值就为False。frame就是每一帧的图像,是个三维矩阵,类型np.array
    3、cv2.waitKey(1),waitKey()方法本身表示等待键盘输入,
    参数是1,表示延时1ms切换到下一帧图像,对于视频而言;
    参数为0,如cv2.waitKey(0)只显示当前帧图像,相当于视频暂停,;
    参数过大如cv2.waitKey(1000),会因为延时过久而卡顿感觉到卡顿。
    c得到的是键盘输入的ASCII码,esc键对应的ASCII码是27,即当按esc键是if条件句成立,用下面方式直接确定是输入的哪个键:
    if cv2 . waitKey(1) & 0xFF == ord (‘q’):
    4、调用release()释放摄像头,调用destroyAllWindows()关闭所有图像窗口。

    展开全文
  • 前期工作要安装很多个库(下节补上) 现在直接上代码:

    前期工作要安装很多个库(下节补上)

    现在直接上代码:

    展开全文
  • 在tiny610嵌入式ARM平台上面写的一个基于Qt的摄像头采集程序,并用opencv做了简单的背景差分(x需要移植opencv才可以的哦),摄像头采集是基于v4l2。程序不一定可以在你的平台上面运行,但思路可以参考
  • Python3+Dlib+Opencv实现摄像头采集人脸并对表情进行实时分类判读一. dlib以及opencv-python库安装1.1 dlib库安装1.2 opencv-python库安装二.dlib的68点模型三.Python实现摄像头人脸检测3.1 python代码3.2 运行结果 ...

    一. dlib以及opencv-python库安装

    1.1 dlib库安装

    在Anaconda Prompt下输入以下命令

    pip install dlib
    

    如果下载失败,可能是网速太慢,多试几次即可。但如果始终不行可以用另一种安装方法
    首先需要从网上下载
    dlib:http://dlib.net/ 或者 https://github.com/davisking/dlib
    下载完成后,解压缩
    在这里插入图片描述
    这时候需要的是dist文件夹中的下面图片中的两个文件夹(这里先不用管,下面已经完成的):
    在这里插入图片描述
    2、编译
    ->打开终端,并且定位在dlib文件夹,使用python setup.py install产生上面的文件夹
    在运行上面的命令时可能会遇见以下两种问题:
    ①在运行的时候会出现找不到cmake的问题
    解决方法:
    当遇见这个问题的时候,说明你的系统环境中并没有cmake,所以这时候需要你在你的电脑上安装cmake编译环境。
    ->官网下载安装包:https://cmake.org/download/
    在这里插入图片描述
    ->下载完成之后,解压缩,然后将cmake的bin文件夹添加在系统环境路径中。
    在这里插入图片描述
    ->添加环境变量
    在这里插入图片描述
    然后理论上讲,应该不会出现cmake的错误,但是后面会出现第二个错误
    ②再次运行python setup.py install,出现could not find boost的问题
    解决方法:
    ->安装boost:下载地址:http://www.boost.org/
    ->下载相应的版本(可以选择最新的下载)

    在这里插入图片描述
    ->下载之后将其解压缩,进入boost_1_66_0文件夹中,找到bootstrap.bat批处理文件,双击运行,等待运行完成后(命令行自动消失)
    ->在boost_1_66_0\tools\build文件夹下找到以下两个文件:
    在这里插入图片描述
    ->然后将这两个文件复制到boost_1_66_0根文件夹下:
    ->同样开启一个命令行,定位到这个文件夹,运行命令:
    b2 install
    ->利用b2编译库文件:
    b2 -a –with-python address-model=64 toolset=msvc runtime-link=static
    ->之前你cmake下载的64位这里(address-model)写64,如果是32位的就把之前的64改成32
    ->然后将boost添加到环境变量中:
    ③运行完成之后,重新运行python setup.py install
    3、耐心等待,即可获得上面的dlib中的两个文件夹
    4、将其添加到python的lib中:
    —>例如我的python环境为python2.7,
    —>所以将其放在python2-7文件夹的Python2-7\Lib\site-packages中
    —>这时,就已经完成了dlib的配置

    1.2 opencv-python库安装

    在Anaconda Prompt下输入以下命令

    pip install opencv-python
    

    但如果一直失败,建议在Anaconda Prompt下输入以下命令

    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
    

    二.dlib的68点模型

    dlib的68点模型,使用网络上大神训练好的特征预测器,用来进行python代码人脸识别的特征预测。
    我已经将其上传至CSDN,有需要的同学可以直接点击链接下载face.dat

    三.Python实现摄像头人脸检测

    3.1 python代码

    Python实现摄像头人脸检测并对表情进行实时分类判读,python代码如下:

    """
    从视屏中识别人脸,并实时标出面部特征点
    """
    import sys
    import dlib  # 人脸识别的库dlib
    import numpy as np  # 数据处理的库numpy
    import cv2  # 图像处理的库OpenCv
     
    class face_emotion():
        def __init__(self):
            # 使用特征提取器get_frontal_face_detector
            self.detector = dlib.get_frontal_face_detector()
            # dlib的68点模型,使用作者训练好的特征预测器
            self.predictor = dlib.shape_predictor("face.dat")
     
            # 建cv2摄像头对象,这里使用电脑自带摄像头,如果接了外部摄像头,则自动切换到外部摄像头
            self.cap = cv2.VideoCapture(0)
            # 设置视频参数,propId设置的视频参数,value设置的参数值
            self.cap.set(3, 480)
            # 截图screenshoot的计数器
            self.cnt = 0
     
        def learning_face(self):
     
            # 眉毛直线拟合数据缓冲
            line_brow_x = []
            line_brow_y = []
     
            # cap.isOpened() 返回true/false 检查初始化是否成功
            while (self.cap.isOpened()):
     
                # cap.read()
                # 返回两个值:
                #    一个布尔值true/false,用来判断读取视频是否成功/是否到视频末尾
                #    图像对象,图像的三维矩阵
                flag, im_rd = self.cap.read()
     
                # 每帧数据延时1ms,延时为0读取的是静态帧
                k = cv2.waitKey(1)
     
                # 取灰度
                img_gray = cv2.cvtColor(im_rd, cv2.COLOR_RGB2GRAY)
     
                # 使用人脸检测器检测每一帧图像中的人脸。并返回人脸数rects
                faces = self.detector(img_gray, 0)
     
                # 待会要显示在屏幕上的字体
                font = cv2.FONT_HERSHEY_SIMPLEX
     
                # 如果检测到人脸
                if (len(faces) != 0):
     
                    # 对每个人脸都标出68个特征点
                    for i in range(len(faces)):
                        # enumerate方法同时返回数据对象的索引和数据,k为索引,d为faces中的对象
                        for k, d in enumerate(faces):
                            # 用红色矩形框出人脸
                            cv2.rectangle(im_rd, (d.left(), d.top()), (d.right(), d.bottom()), (0, 0, 255))
                            # 计算人脸热别框边长
                            self.face_width = d.right() - d.left()
     
                            # 使用预测器得到68点数据的坐标
                            shape = self.predictor(im_rd, d)
                            # 圆圈显示每个特征点
                            for i in range(68):
                                cv2.circle(im_rd, (shape.part(i).x, shape.part(i).y), 2, (0, 255, 0), -1, 8)
                                # cv2.putText(im_rd, str(i), (shape.part(i).x, shape.part(i).y), cv2.FONT_HERSHEY_SIMPLEX, 0.5,
                                #            (255, 255, 255))
     
                            # 分析任意n点的位置关系来作为表情识别的依据
                            mouth_width = (shape.part(54).x - shape.part(48).x) / self.face_width  # 嘴巴咧开程度
                            mouth_higth = (shape.part(66).y - shape.part(62).y) / self.face_width  # 嘴巴张开程度
                            # print("嘴巴宽度与识别框宽度之比:",mouth_width_arv)
                            # print("嘴巴高度与识别框高度之比:",mouth_higth_arv)
     
                            # 通过两个眉毛上的10个特征点,分析挑眉程度和皱眉程度
                            brow_sum = 0  # 高度之和
                            frown_sum = 0  # 两边眉毛距离之和
                            for j in range(17, 21):
                                brow_sum += (shape.part(j).y - d.top()) + (shape.part(j + 5).y - d.top())
                                frown_sum += shape.part(j + 5).x - shape.part(j).x
                                line_brow_x.append(shape.part(j).x)
                                line_brow_y.append(shape.part(j).y)
     
                            # self.brow_k, self.brow_d = self.fit_slr(line_brow_x, line_brow_y)  # 计算眉毛的倾斜程度
                            tempx = np.array(line_brow_x)
                            tempy = np.array(line_brow_y)
                            z1 = np.polyfit(tempx, tempy, 1)  # 拟合成一次直线
                            self.brow_k = -round(z1[0], 3)  # 拟合出曲线的斜率和实际眉毛的倾斜方向是相反的
     
                            brow_hight = (brow_sum / 10) / self.face_width  # 眉毛高度占比
                            brow_width = (frown_sum / 5) / self.face_width  # 眉毛距离占比
                            # print("眉毛高度与识别框高度之比:",round(brow_arv/self.face_width,3))
                            # print("眉毛间距与识别框高度之比:",round(frown_arv/self.face_width,3))
     
                            # 眼睛睁开程度
                            eye_sum = (shape.part(41).y - shape.part(37).y + shape.part(40).y - shape.part(38).y +
                                       shape.part(47).y - shape.part(43).y + shape.part(46).y - shape.part(44).y)
                            eye_hight = (eye_sum / 4) / self.face_width
                            # print("眼睛睁开距离与识别框高度之比:",round(eye_open/self.face_width,3))
     
                            # 分情况讨论
                            # 张嘴,可能是开心或者惊讶
                            if round(mouth_higth >= 0.03):
                                if eye_hight >= 0.056:
                                    cv2.putText(im_rd, "amazing", (d.left(), d.bottom() + 20), cv2.FONT_HERSHEY_SIMPLEX,
                                                0.8,
                                                (0, 0, 255), 2, 4)
                                else:
                                    cv2.putText(im_rd, "happy", (d.left(), d.bottom() + 20), cv2.FONT_HERSHEY_SIMPLEX, 0.8,
                                                (0, 0, 255), 2, 4)
     
                            # 没有张嘴,可能是正常和生气
                            else:
                                if self.brow_k <= -0.3:
                                    cv2.putText(im_rd, "angry", (d.left(), d.bottom() + 20), cv2.FONT_HERSHEY_SIMPLEX, 0.8,
                                                (0, 0, 255), 2, 4)
                                else:
                                    cv2.putText(im_rd, "nature", (d.left(), d.bottom() + 20), cv2.FONT_HERSHEY_SIMPLEX, 0.8,
                                                (0, 0, 255), 2, 4)
     
                    # 标出人脸数
                    cv2.putText(im_rd, "Faces: " + str(len(faces)), (20, 50), font, 1, (0, 0, 255), 1, cv2.LINE_AA)
                else:
                    # 没有检测到人脸
                    cv2.putText(im_rd, "No Face", (20, 50), font, 1, (0, 0, 255), 1, cv2.LINE_AA)
     
                # 添加说明
                im_rd = cv2.putText(im_rd, "S: screenshot", (20, 400), font, 0.8, (0, 0, 255), 1, cv2.LINE_AA)
                im_rd = cv2.putText(im_rd, "Q: quit", (20, 450), font, 0.8, (0, 0, 255), 1, cv2.LINE_AA)
     
                # 按下s键截图保存
                if (k == ord('s')):
                    self.cnt += 1
                    cv2.imwrite("screenshoot" + str(self.cnt) + ".jpg", im_rd)
     
                # 按下q键退出
                if (k == ord('q')):
                    break
     
                # 窗口显示
                cv2.imshow("camera", im_rd)
     
            # 释放摄像头
            self.cap.release()
     
            # 删除建立的窗口
            cv2.destroyAllWindows()
     
     
    if __name__ == "__main__":
        my_face = face_emotion()
        my_face.learning_face()
    
    

    3.2 运行结果

    表情自然,会显示nature
    在这里插入图片描述表情愉悦时,会显示happy
    在这里插入图片描述除此之外,还能判断是否生气,以及吃惊等表情。
    S截图保存、Q退出摄像头人脸识别

    展开全文
  • opencv 开启摄像头实时采集图像

    千次阅读 2017-06-08 15:46:36
    opencv 开启摄像头 实时采集图像的两种方式 :(1)利用 cvCreateCameraCapture+CvCapture+cvQueryFrame 代码如下: CvCapture* capture = cvCreateCameraCapture(0); IplImage* frame; while(1) { frame = ...
  • 纯粹是自娱自乐,并没有对opencv的使用进行深入的学习,用opencv打开视频文件或者打开摄像头采集,然后保存,这也是最基础的东西。 一、安装配置环境  VS2008下安装配置opencv,2005、2010
  • 备用:博主现在自己编译好opencv3.2,移植...基于V4L2+OPENCV摄像头采集与图像处理方案 本帖内容摘要:将开源进行到底——如何在ZED内利用底层V4L2+OPENCV进行图像处理以及移植策略。 百转千回,终于到了最
  • import cv2 cap = cv2.VideoCapture(0) fourcc = cv2.VideoWriter_fourcc(*'XVID') out = cv2.VideoWriter('lianzheng.avi', fourcc, 20.0, (640, 480)) while True: ret, frame = cap.read() ...
  • Opencv调用摄像头采集图像

    千次阅读 2015-08-20 23:33:53
    首先需要提起学习者的兴趣: #include<opencv2/opencv.hpp> #include<opencv2/highgui/highgui.hpp> ... imshow("【摄像头】", grayImage); } return 0; } 运行结果不方便贴出来,敬请谅解!
  • QT +openCV 实现摄像头采集以及拍照功能

    万次阅读 多人点赞 2011-11-24 14:22:41
    今天写的QT+openCV实现摄像头拍照功能。 在网上收罗了很多资料,QT没有专门操作摄像头的类,这个得自己写。网上也有很多关务openCV和V4l的一些介绍,由于我项目要在window下开发,所以就选择了openCV。由于以前...
  • opencv摄像头图像采集

    2016-04-11 11:34:22
    基于opencv摄像头图像采集程序;可以实时采集图像并保存到本地;可以直接运行;
  • opencv实现摄像头实时图像采集与显示
  • opencv摄像头同步采集

    热门讨论 2008-05-11 09:42:46
    opencv摄像头同步采集,源程序。
  • 今天写的QT+openCV实现摄像头拍照功能。 在网上收罗了很多资料,QT没有专门操作摄像头的类,这个得自己写。网上也有很多关务openCV和V4l的一些介绍,由于我项目要在window下开发,所以就选择了openCV。...
  • opencv摄像头采集视频的几种变换

    千次阅读 2014-04-15 19:49:00
    cout摄像头未能打开"; } namedWindow("Video"); namedWindow("Sobel"); namedWindow("Laplace"); namedWindow("Threshold"); while(true){ Mat frame; cap>>frame; if(cap.isOpened() && (char)...
  • 用过树莓派的都知道,树莓派上有两个USB,可以接一个普通的摄像头进行
  • #include "opencv2/opencv.hpp" using namespace cv; int main() { VideoCapture capture(0); Mat edges; while(1) { Mat frame;//定义一...
  • OPENCV摄像头采集

    2017-12-08 08:25:22
    计算机视觉OPENCV 3.2库,VS2015,打开摄像头代码,可以直接用,

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 5,770
精华内容 2,308
关键字:

opencv实时摄像头采集