Онлайн обнаружение лица с веб камеры.

Для онлайн обнаружение и распознавания лица можно использовать библиотеку dlib и ее модуль shape_predictor в Python с веб-камеры, можно использовать следующий код:

import cv2
import dlib

# Загрузка предобученного детектора лиц
detector = dlib.get_frontal_face_detector()

# Загрузка предобученной модели shape_predictor
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

# Захват видеопотока с веб-камеры
video_capture = cv2.VideoCapture(0)  # 0 указывает на использование первой доступной камеры

while True:
    # Чтение текущего кадра из видеопотока
    ret, frame = video_capture.read()

    # Преобразование кадра в оттенки серого
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # Обнаружение лиц на кадре
    faces = detector(gray)

    # Отрисовка прямоугольников вокруг обнаруженных лиц и определение ключевых точек лица
    for face in faces:
        landmarks = predictor(gray, face)

        # Отрисовка прямоугольника вокруг лица
        x, y, w, h = face.left(), face.top(), face.width(), face.height()
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 3)

        # Отрисовка ключевых точек лица
        for i in range(68):
            x, y = landmarks.part(i).x, landmarks.part(i).y
            cv2.circle(frame, (x, y), 2, (0, 0, 255), -1)

    # Отображение кадра с обнаруженными лицами и ключевыми точками
    cv2.imshow('Video', frame)

    # Выход из цикла при нажатии клавиши 'q'
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Освобождение ресурсов
video_capture.release()
cv2.destroyAllWindows()

В этом коде мы используем предобученный детектор лиц из библиотеки dlib для обнаружения лиц на каждом кадре из видеопотока с веб-камеры. Затем мы загружаем предобученную модель shape_predictor_68_face_landmarks.dat, которая позволяет определить ключевые точки лица (файл должен быть в одной папке со скриптом). Мы отрисовываем прямоугольники вокруг обнаруженных лиц и отмечаем ключевые точки на лице. Кадры с обнаруженными лицами и ключевыми точками отображаются на экране. Цикл продолжается до тех пор, пока не будет нажата клавиша ‘q’.

Можно использовать классификатор лиц haarcascade_frontalface_default.xml.можно использовать следующий код:

import cv2

# Загрузка классификатора лиц
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

# Захват видеопотока с веб-камеры
video_capture = cv2.VideoCapture(0)  # 0 указывает на использование первой доступной камеры

while True:
    # Чтение текущего кадра из видеопотока
    ret, frame = video_capture.read()

    # Преобразование кадра в оттенки серого
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # Обнаружение лиц на кадре
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

    # Отрисовка прямоугольников вокруг обнаруженных лиц
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 3)

    # Отображение кадра с обнаруженными лицами
    cv2.imshow('Video', frame)

    # Выход из цикла при нажатии клавиши 'q'
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Освобождение ресурсов
video_capture.release()
cv2.destroyAllWindows()

В этом коде мы используем классификатор лиц haarcascade_frontalface_default.xml, предоставленный OpenCV, для обнаружения лиц на каждом кадре из видеопотока с веб-камеры. Затем мы рисуем прямоугольники вокруг обнаруженных лиц и отображаем измененный кадр. Цикл продолжается до тех пор, пока не будет нажата клавиша ‘q’, после чего ресурсы освобождаются.

Убедитесь, что у вас установлен OpenCV и XML-файл haarcascade_frontalface_default.xml, который поставляется с OpenCV. Вы можете найти этот файл в репозитории OpenCV или в директории установки OpenCV на вашей машине.