使用Python的cv2库进行识别，image_processing库进行图像处理，可以实现 实时的替换人脸

Python 人脸识别（加圣诞帽等）

一、 截图

二、代码

Main.py（循环调用摄像头获取图像进行人脸识别，之后调用Image_processing.py进行处理）

# coding:utf8
import cv2
import image_processing


# 识别
def recognition(image, focus):
    # 创建 classifier
    path = "D:/soft/Anaconda/Lib/site-packages/cv2/data/"
    clf = cv2.CascadeClassifier(path + focus + ".xml")
    # 设定灰度
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 识别
    faces = clf.detectMultiScale(
        gray,
        scaleFactor=1.1,
        minNeighbors=10,
        minSize=(30, 30),
        flags=cv2.CASCADE_SCALE_IMAGE
    )
    # 给图像加点东西
    for (x, y, w, h) in faces:
        # cv2.circle(image, (x+w//2, y+h//2), w//2, (255, 0, 0), 2)     # 圆
        # cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)      # 矩形
        # image = image_processing.image_christmas_hat(image, x, y, w, h)  # 加个圣诞帽
        image = image_processing.image_face(image, x, y, w, h)  # 换个笑脸
        # image = image_processing.image_Kumamon(image, x, y, w, h)  # 换个熊本熊
    return image


if __name__ == "__main__":
    cap = cv2.VideoCapture(0)               # 从摄像头中取得视频
    # focus = "haarcascade_eye"             # 眼睛识别
    # focus = "haarcascade_fullbody"        # 全身识别
    focus = "haarcascade_frontalface_alt"   # 人脸识别
    while cap.isOpened():
        ret, frame = cap.read()             # 读取帧摄像头
        if ret is True:
            # 输出当前帧
            frame = recognition(frame, focus)
            frame = cv2.resize(frame, (0, 0), fx=1.5, fy=1.5, interpolation=cv2.INTER_NEAREST)
            cv2.imshow('Face recognition', frame)
            # 键盘按 Q 退出
            if (cv2.waitKey(1) & 0xFF) == ord('q'):
                break
        else:
            break
    # 释放资源
    cap.release()
    cv2.destroyAllWindows()

Image_processing.py（根据人脸所在进行图像叠加，可以做出加圣诞帽等好玩的）

# coding:utf8
import cv2


# 加个圣诞帽
def image_christmas_hat(img, x, y, w, h):
    hat = cv2.imread('ChristmasHat.jpg')  # 帽子透明图片
    hat = cv2.resize(hat, (0, 0), fx=0.2, fy=0.2, interpolation=cv2.INTER_NEAREST)  # 稍微调整下大小
    y = y-(h*3//4)
    _hat = cv2.resize(hat, (w, h))
    rows, cols, channels = _hat.shape
    r, c, cs = img.shape
    if y+rows > r or x+cols > c:
        return img
    roi = img[y:(y+rows), x:(x+cols)]   # 在原始图像中截取帽子图像大小的部分
    img2gray = cv2.cvtColor(_hat, cv2.COLOR_BGR2GRAY)    # 将logo图像灰度化
    ret, mask = cv2.threshold(img2gray, 250, 255, cv2.THRESH_BINARY)    # 将帽子灰度图二值化，将得到的图像赋值给mask，帽子部分的值为255，白色
    mask_inv = cv2.bitwise_not(mask)    # 将mask按位取反，即白变黑，黑变白
    img1_bg = cv2.bitwise_and(roi, roi, mask=mask)  # 将原始图像中截取的部分做处理，mask中黑色部分按位与运算，即保留黑色部分，保留除帽子位置外的部分
    img2_fg = cv2.bitwise_and(_hat, _hat, mask=mask_inv)    # 将帽子图像中，mask_inv部分按位与运算，即保留黑色部分，保留logo
    dst = cv2.add(img1_bg, img2_fg)     # 图像相加
    img[y:(y+rows), x:(x+cols)] = dst   # 图像替换
    return img


# 替换人脸为笑哭表情
def image_face(img, x, y, w, h):
    face = cv2.imread('xiaoku.jpg')  # 笑哭脸透明图片
    face = cv2.resize(face, (0, 0), fx=0.2, fy=0.2, interpolation=cv2.INTER_NEAREST)  # 稍微调整下大小
    _face = cv2.resize(face, (w, h))
    rows, cols, channels = _face.shape
    r, c, cs = img.shape
    if y+rows > r or x+cols > c:
        return img
    roi = img[y:(y+rows), x:(x+cols)]   # 在原始图像中截取表情图像大小的部分
    img2gray = cv2.cvtColor(_face, cv2.COLOR_BGR2GRAY)    # 将logo图像灰度化
    ret, mask = cv2.threshold(img2gray, 250, 255, cv2.THRESH_BINARY)    # 将表情灰度图二值化，将得到的图像赋值给mask，表情部分的值为255，白色
    mask_inv = cv2.bitwise_not(mask)    # 将mask按位取反，即白变黑，黑变白
    img1_bg = cv2.bitwise_and(roi, roi, mask=mask)  # 将原始图像中截取的部分做处理，mask中黑色部分按位与运算，即保留黑色部分，保留除表情位置外的部分
    img2_fg = cv2.bitwise_and(_face, _face, mask=mask_inv)    # 将表情图像中，mask_inv部分按位与运算，即保留黑色部分，保留logo
    dst = cv2.add(img1_bg, img2_fg)     # 图像相加
    img[y:(y+rows), x:(x+cols)] = dst   # 图像替换
    return img


# 替换为熊本熊
def image_Kumamon(img, x, y, w, h):
    Kumamon = cv2.imread('Kumamon.jpg')  # 熊本熊透明图片
    Kumamon = cv2.resize(Kumamon, (0, 0), fx=0.2, fy=0.2, interpolation=cv2.INTER_NEAREST)  # 稍微调整下大小
    x = x - w//2
    w = w * 2
    h = h * 2
    _Kumamon = cv2.resize(Kumamon, (w, h))
    rows, cols, channels = _Kumamon.shape
    r, c, cs = img.shape
    if y+rows > r or x+cols > c:
        return img
    roi = img[y:(y+rows), x:(x+cols)]   # 在原始图像中截取熊本熊图像大小的部分
    img2gray = cv2.cvtColor(_Kumamon, cv2.COLOR_BGR2GRAY)    # 将logo图像灰度化
    ret, mask = cv2.threshold(img2gray, 252, 255, cv2.THRESH_BINARY)    # 将熊本熊灰度图二值化，将得到的图像赋值给mask，熊本熊部分的值为255，白色
    mask_inv = cv2.bitwise_not(mask)    # 将mask按位取反，即白变黑，黑变白
    img1_bg = cv2.bitwise_and(roi, roi, mask=mask)  # 将原始图像中截取的部分做处理，mask中黑色部分按位与运算，即保留黑色部分，保留除熊本熊位置外的部分
    img2_fg = cv2.bitwise_and(_Kumamon, _Kumamon, mask=mask_inv)    # 将熊本熊图像中，mask_inv部分按位与运算，即保留黑色部分，保留logo
    dst = cv2.add(img1_bg, img2_fg)     # 图像相加
    img[y:(y+rows), x:(x+cols)] = dst   # 图像替换
    return img

此为博主副博客，留言请去主博客，转载请注明出处：https://www.baby7blog.com/myBlog/5.html