OpenCV+MediaPipe实现人脸检测及摄像头实时示例

本文将介绍使用OpenCV和MediaPipe库实现人脸检测的步骤，并提供两个示例：

1. 人脸检测及关键点标注
2. 摄像头实时人脸检测及关键点标注

安装所需库

首先，需要安装好OpenCV和MediaPipe库。

对于Python用户，可以使用pip命令来安装

pip install opencv-python
pip install mediapipe

人脸检测及关键点标注

在本示例中，使用的是Mediapipe库中的FaceMesh模块进行人脸检测和关键点标注。

import cv2
import mediapipe as mp

cap = cv2.VideoCapture(0)

mp_face_mesh = mp.solutions.face_mesh
face_mesh = mp_face_mesh.FaceMesh()

while True:
    ret, frame = cap.read()

    # 反转图像
    frame = cv2.flip(frame, 1)

    # 检测人脸
    result = face_mesh.process(frame)

    # 获取关键点坐标
    if result.multi_face_landmarks:
        for face_landmarks in result.multi_face_landmarks:
            for landmark in face_landmarks.landmark:
                x = int(landmark.x * frame.shape[1])
                y = int(landmark.y * frame.shape[0])
                # 在关键点处绘制圆点
                cv2.circle(frame, (x, y), 3, (0, 255, 0), -1)

    cv2.imshow('Face Mesh', frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

在这段代码中，我们直接调用了FaceMesh模块，并通过调用其process()方法来实现人脸检测和关键点标注。其中用到了cv2.flip()方法来实现镜像翻转的效果，以提高用户体验。

摄像头实时人脸检测及关键点标注

在这个示例中，我们将使用OpenCV自带的摄像头，并将检测结果实时显示到窗口中。

import cv2
import mediapipe as mp

mp_face_mesh = mp.solutions.face_mesh
face_mesh = mp_face_mesh.FaceMesh()

cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()

    # 反转图像
    frame = cv2.flip(frame, 1)

    # 检测人脸
    result = face_mesh.process(frame)

    # 获取关键点坐标
    if result.multi_face_landmarks:
        for face_landmarks in result.multi_face_landmarks:
            for landmark in face_landmarks.landmark:
                x = int(landmark.x * frame.shape[1])
                y = int(landmark.y * frame.shape[0])
                # 在关键点处绘制圆点
                cv2.circle(frame, (x, y), 3, (0, 255, 0), -1)

    # 显示结果
    cv2.imshow('Face Mesh', frame)

    # 按 'q'键 退出程序
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头并销毁所有窗口
cap.release()
cv2.destroyAllWindows()

在这个示例中，我们使用了OpenCV自带的VideoCapture()函数获取到了摄像头的输入，并将实时检测的结果实时显示在窗口中。另外，我们也可使用cv2.imwrite()和cv2.VideoWriter()方法将实时输出保存为图片和视频文件。