目前可依靠模塊化方式實現圖像處理管道，檢測一堆圖像文件中的人臉，并將其與漂亮的結構化JSON摘要文件一起保存在單獨的文件夾中。

讓我們對視頻流也可以進行同樣的操作。

首先，我們需要捕獲視頻流。該管線任務將從視頻文件或網絡攝像頭（逐幀）生成一系列圖像。接下來，我們將檢測每個幀上的臉部并將其保存。接下來的三個塊是可選的，它們的目標是創建帶有注釋的輸出視頻，例如在檢測到的人臉周圍的框。我們可以顯示帶注釋的視頻并將其保存。最后一個任務將收集有關檢測到的面部的信息，并保存帶有面部的框坐標和置信度的JSON摘要文件。

如果尚未設置jagin / image-processing-pipeline存儲庫以查看源代碼并運行一些示例，則可以立即執行以下操作：

$ git clone git://github.com/jagin/image-processing-pipeline.git
$ cd image-processing-pipeline
$ git checkout 7df1963247caa01b503980fe152138b88df6c526
$ conda env create -f environment.yml
$ conda activate pipeline

如果已經克隆了存儲庫并設置了環境，請使用以下命令對其進行更新：

$ git pull
$ git checkout 7df1963247caa01b503980fe152138b88df6c526
$ conda env update -f environment.yml

拍攝影片

使用OpenCV捕獲視頻非常簡單。我們需要創建一個VideoCapture對象，其中參數是設備索引（指定哪個攝像機的數字）或視頻文件的名稱。然后，我們可以逐幀捕獲視頻流。

我們可以使用以下CaptureVideo擴展類來實現捕獲視頻任務Pipeline：

import cv2
from pipeline.pipeline import Pipeline


class CaptureVideo(Pipeline):
    def __init__(self, src=0):
        self.cap = cv2.VideoCapture(src)
        if not self.cap.isOpened():
            raise IOError(f"Cannot open video {src}")


        self.fps = int(self.cap.get(cv2.CAP_PROP_FPS))
        self.frame_count = int(self.cap.get(cv2.CAP_PROP_FRAME_COUNT))


        super(CaptureVideo, self).__init__()


    def generator(self):
        image_idx = 0
        while self.has_next():
            ret, image = self.cap.read()
            if not ret:
                # no frames has been grabbed
                break


            data = {
                "image_id": f"{image_idx:05d}",
                "image": image,
            }


            if self.filter(data):
                image_idx += 1
                yield self.map(data)


    def cleanup(self):
        # Closes video file or capturing device
        self.cap.release()

使用__init__我們創建VideoCapture對象（第6行）并提取視頻流的屬性，例如每秒幀數和幀數。我們將需要它們顯示進度條并正確保存視頻。圖像幀將在具有字典結構的generator函數（第30行）中產生：

data = {
    "image_id": f"{image_idx:05d}",
    "image": image,
}

當然，數據中也包括圖像的序列號和幀的二進制數據。

檢測人臉

我們準備檢測面部。這次，我們將使用OpenCV的深度神經網絡模塊，而不是我在上一個故事中所承諾的Haar級聯。我們將要使用的模型更加準確，并且還為我們提供了置信度得分。

從版本3.3開始，OpenCV支持許多深度學習框架，例如Caffe，TensorFlow和PyTorch，從而使我們能夠加載模型，預處理輸入圖像并進行推理以獲得輸出分類。

有一位優秀的博客文章中阿德里安·羅斯布魯克（Adrian Rosebrock）解釋如何使用OpenCV和深度學習實現人臉檢測。我們將在FaceDetector類中使用部分代碼：

import cv2
import numpy as np


class FaceDetector:
    def __init__(self, prototxt, model, confidence=0.5):
        self.confidence = confidence


        self.net = cv2.dnn.readNetFromCaffe(prototxt, model)


    def detect(self, images):
        # convert images into blob
        blob = self.preprocess(images)


        # pass the blob through the network and obtain the detections and predictions
        self.net.setInput(blob)
        detections = self.net.forward()
        # Prepare storage for faces for every image in the batch
        faces = dict(zip(range(len(images)), [[] for _ in range(len(images))]))


        # loop over the detections
        for i in range(0, detections.shape[2]):
            # extract the confidence (i.e., probability) associated with the prediction
            confidence = detections[0, 0, i, 2]


            # filter out weak detections by ensuring the `confidence` is
            # greater than the minimum confidence
            if confidence < self.confidence:
                continue


            # grab the image index
            image_idx = int(detections[0, 0, i, 0])
            # grab the image dimensions
            (h, w) = images[image_idx].shape[:2]
            # compute the (x, y)-coordinates of the bounding box for the object
            box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])


            # Add result
            faces[image_idx].append((box, confidence))


        return faces


    def preprocess(self, images):
        return cv2.dnn.blobFromImages(images, 1.0, (300, 300), (104.0, 177.0, 123.0))