人脸检测+保存图片

# -*-coding:utf-8 -*-  
__author__ = “ZJL“
 
import cv2
import time
import os
 
 
# 保存截图
save_path = ‘D:\\DeepLearning\\img\\‘
 
# 定义摄像头对象，其参数0表示第一个摄像头
camera = cv2.VideoCapture（0）
 
# 判断视频是否打开
if （camera.isOpened（））:
    print（‘Open‘）
else:
    print（‘摄像头未打开‘）
 
# 测试用查看视频size
size = （int（camera.get（cv2.CAP_PROP_frame_WIDTH））
        int（camera.get（cv2.CAP_PROP_frame_HEIGHT）））
print（‘size:‘+repr（size））
 
# 帧率
fps = 5
# 总是取前一帧做为背景（不用考虑环境影响）
pre_frame = None

while（1）:
    start = time.time（）
    # 读取视频流
    ret frame = camera.read（）
    # 转灰度图
    gray_lwpCV = cv2.cvtColor（frame cv2.COLOR_BGR2GRAY）
 
    if not ret:
        break
    end = time.time（）
 
    # 显示图像
    cv2.imshow（“capture“ frame）
 
    # 运动检测部分
    seconds = end - start
    if seconds < 1.0 / fps:
        time.sleep（1.0 / fps - seconds）
    gray_lwpCV = cv2.resize（gray_lwpCV （500 500））
    # 用高斯滤波进行模糊处理
    gray_lwpCV = cv2.GaussianBlur（gray_lwpCV （21 21） 0）
 
    # 如果没有背景图像就将当前帧当作背景图片
    if pre_frame is None:
        pre_frame = gray_lwpCV
    else:
        # absdiff把两幅图的差的绝对值输出到另一幅图上面来
        img_delta = cv2.absdiff（pre_frame gray_lwpCV）
        #threshold阈值函数（原图像应该是灰度图对像素值进行分类的阈值当像素值高于（有时是小于）阈值时应该被赋予的新的像素值阈值方法）
        thresh = cv2.threshold（img_delta 25 255 cv2.THRESH_BINARY）[1]
        # 膨胀图像
        thresh = cv2.dilate（thresh None iterations=2）
        # findContours检测物体轮廓（寻找轮廓的图像轮廓的检索模式轮廓的近似办法）
        image contours hierarchy = cv2.findContours（thresh.copy（） cv2.RETR_