import cv2 import mediapipe as mp# 導入BlazeFace模型 mp_face_detection = mp.solutions.face_detection model = mp_face_detection.FaceDetection(min_detection_confidence=0.5, # 置信度閾值，過濾掉小于置信度的預測框model_selection=1, # 選擇模型，0 適用于人臉離攝像頭比較近（2米內）,1 適用于比較遠（5米以內） ) # 導入可視化函數以及可視化樣式 mp_drawing=mp.solutions.drawing_utils # 關鍵點樣式 keypoint_style=mp_drawing.DrawingSpec(thickness=5,circle_radius=3,color=(0,255,0)) # 人臉預測框樣式 bbox_style=mp_drawing.DrawingSpec(thickness=5,circle_radius=3,color=(255,0,0)) cap = cv2.VideoCapture(0)# 獲取視頻幀速率 FPS frame_fps = int(cap.get(cv2.CAP_PROP_FPS)) # 獲取視頻幀寬度和高度 frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) print("video fps={},width={},height={}".format(frame_fps, frame_width, frame_height)) while True:ret, frame = cap.read()if not ret:break# BGR轉RGBimg_RGB = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)# 將RGB輸入模型預測結果results = model.process(img_RGB)# 可視化人臉框和人臉關鍵點for detection in results.detections:mp_drawing.draw_detection(frame,detection,keypoint_drawing_spec=keypoint_style,bbox_drawing_spec=bbox_style)cv2.imshow('frame', frame)if cv2.waitKey(1) & 0xFF == ord('q'):break cap.release() cv2.destroyAllWindows()

總結

以上是生活随笔為你收集整理的[python][mediapipe]摄像头人脸检测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。