一、前言

本文是《人脸识别完整项目实战》系列博文第3部分：程序设计篇（Python版），第1节《Python实时视频采集程序设计》，本章内容系统介绍：基于Python+opencv如何实现实时视频采集。

完整的相关内容已录制成视频课程，点击跳转：《人脸识别完整项目实战（附源码）》

整个《人脸识别完整项目实战》系统架构结构如下图所示：

项目概述篇：系统介绍人脸识别项目的系统架构设计、项目关键技术说明、项目业务需求分析、项目业务流程设计；

环境部署篇：提供C++和Python两种编程语言的版本，系统介绍项目开发环境概述、DLib框架源码编译、项目工程文件创建、项目开发环境配置、项目性能优化设置；

程序设计篇：从实时视频采集开始，涵盖人脸区域检测、人脸特征点标定、人脸对齐、人脸比对和活体检测等全部技术环节的代码设计、运行演示和执行结果输出；

模型训练篇：基于人脸识别区域检测和人俩识别特征点标定两个应用场景，介绍数据样本采集、算法模型训练和算法模型测试的过程，让大家都人脸识别有一个完整的直观的认识；

算法原理篇：基于人脸识别区域检测和人俩识别特征点标定两个应用场景，人脸区域检测和人脸特征点标定的算法原理和实现机制，让大家对人脸识别与机器学习、深度学习进行有效关联；

学习框架篇：系统介绍主流深度学习框架，重点就本课程用到Dlib深度学习框架进行介绍，通过dlib深度学习实战案例1和dlib深度学习实战案例2，两个完整的案例，让大家对dlib的深度学习框架有一个直观的认识；

二、正文

2.1 程序逻辑

       Python实时视频采集程序主要流程共分为10个步骤，具体如下图所示：

流程描述：

库文件导入：导入程序依赖的python安装包；

摄像头管理对象创建和初始化：是对opencv VideoCapture对象的创建和初始化，通过它打开摄像头设备；

启动循环监控：循环处理每一帧图片；

图像抓拍：利用opencv提供的摄像头管理设备，进行逐帧图像内容的抓取，然后进行处理；

图像窗口显示：利用opencv的窗口对象，进行抓拍内容的显示。

等待用户输入：利用opencv提供的键盘输入监控程序，获取用户指令。

摄像头释放：收到退出指令后，释放摄像头管理设备资源。

2.2 接口说明

python实时视频监控采集功能的实现，主要是采用了opencv开源框架提供的摄像头管理类：VideoCapture。该类的主要方法和属性如下图所示：

opencv的摄像头管理类，我们主要应用了其open（打开摄像头）、read（读取每一帧）、release（释放设备）等函数功能能。

2.3 源码设计

源码的执行，需要导入opencv库文件，直接执行：pip install opencv 即可实现。具体程序代码如下图所示：

# 实时：视频图像采集(opencv)
import cv2
cap = cv2.VideoCapture(0)
# 从视频流循环帧
while True:
    ret, frame = cap.read()
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    cv2.imshow("Frame", frame)
    # 退出：Q
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
# 清理窗口
cv2.destroyAllWindows()

2.4 运行效果

​三、未完待续

本文是《人脸识别完整项目实战》系列博文第3部分：程序设计篇（Python版）第一节《实时视频采集程序设计（python）》，全文共53个章节，持续更新，敬请关注。人脸识别技术交流QQ群：859860225 。