这篇文章将为大家详细讲解有关Python opencv如何实现人眼/人脸识别以及实时打码处理，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
成都创新互联公司是专业的淇滨网站建设公司，淇滨接单;提供成都网站建设、成都做网站,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行淇滨网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!系统环境：Windows 7 + Python 3.6.3 + opencv 3.4.2
一、系统、资源准备
要想达成该目标，需要满足一下几个条件：
找一台带有摄像头的电脑，一般笔记本即可；
需配有Python3，并安装NumPy包、opencv；
需要有已经训练好的分类器，用于识别视频中的人脸、人眼等，如无分类器，可以点击这里下载：haarcascades分类器
二、动手做
1、导入相关包、设置视频格式、调用摄像头、指定分类器
import numpy as np
import cv2
fourcc = cv2.VideoWriter_fourcc("D", "I", "B", " ")
out = cv2.VideoWriter('frame_mosic.MP4',fourcc, 20.0, (640,480))
cv2.namedWindow("CaptureFace")
#调用摄像头
cap=cv2.VideoCapture(0)
#人眼识别器分类器
classfier=cv2.CascadeClassifier("../haarcascades/haarcascade_eye_tree_eyeglasses.xml")2、逐帧调用图像，并实时处理
从摄像头读取一帧图像后，先转化为灰度图像，然后利用指定的分类器识别出我们需要的内容，接着对该部分内容利用高斯噪声进行覆盖，以达成马赛克的目的。
代码如下：
while cap.isOpened():
read,frame=cap.read()
if not read:
break
#灰度转换
grey=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
#人脸检测
Rects = classfier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32))
if len(Rects) > 0:
for Rect in Rects:
x, y, w, h = Rect
# 打码：使用高斯噪声替换识别出来的人眼所对应的像素值
frame[y+10:y+h-10,x:x+w,0]=np.random.normal(size=(h-20,w))
frame[y+10:y+h-10,x:x+w,1]=np.random.normal(size=(h-20,w))
frame[y+10:y+h-10,x:x+w,2]=np.random.normal(size=(h-20,w))
cv2.imshow("CaptureFace",frame)
if cv2.waitKey(5)&0xFF==ord('q'):
break
# 保存视频
out.write(frame)
#释放相关资源
cap.release()
out.release()
cv2.destroyAllWindows()3、观察效果
代码调用摄像头并在窗口进行了显示，可以实时观察到图像处理的效果，如图：
并将结果保存为视频，方便随时查看：
完整代码如下：
# -*- coding: utf-8 -*-
import numpy as np
import cv2
fourcc = cv2.VideoWriter_fourcc("D", "I", "B", " ")
out = cv2.VideoWriter('frame_mosic.MP4',fourcc, 20.0, (640,480))
cv2.namedWindow("CaptureFace")
#调用摄像头
cap=cv2.VideoCapture(0)
#人眼识别器分类器
classfier=cv2.CascadeClassifier("../haarcascades/haarcascade_eye_tree_eyeglasses.xml")
while cap.isOpened():
read,frame=cap.read()
if not read:
break
#灰度转换
grey=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
#人脸检测
Rects = classfier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32))
if len(Rects) > 0:
for Rect in Rects:
x, y, w, h = Rect
# 打码：使用高斯噪声替换识别出来的人眼所对应的像素值
frame[y+10:y+h-10,x:x+w,0]=np.random.normal(size=(h-20,w))
frame[y+10:y+h-10,x:x+w,1]=np.random.normal(size=(h-20,w))
frame[y+10:y+h-10,x:x+w,2]=np.random.normal(size=(h-20,w))
cv2.imshow("CaptureFace",frame)
if cv2.waitKey(5)&0xFF==ord('q'):
break
# 保存视频
out.write(frame)
#释放相关资源
cap.release()
out.release()
cv2.destroyAllWindows()利用opencv提供Python接口，可以很方便的进行图像、视频处理方面的学习研究，实在是很方便。这里把近期所学做个简单应用，后续再学习更深入的知识。
关于“Python opencv如何实现人眼/人脸识别以及实时打码处理”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
