往期目录

更多更新，欢迎访问我的github：

前言

Dlib的人脸识别要比OpenCV精准很多，一个是模型方面的差距，在一方面和OpenCV的定位有关系，OpenCV是一个综合性的视觉处理库，既然这么精准，那就一起赶快来看吧。

视频人脸检测是图片识别的高级版本，图片检测详情点击查看我的上一篇

除了人脸识别用的是Dlib外，还是用OpenCV读取摄像头和处理图片（转为灰色），所以给出相关的文档，方便理解。

效果预览

技术实现

有了OpenCV的视频人脸检测，Dlib也大致相同除了视频识别器模型的声明和使用不同，具体的细节请参考，那篇已经讲的很细致了，在这就不具体叙述了。

完整的代码如下：

# coding=utf-8import cv2import dlibdetector = dlib.get_frontal_face_detector()  #使用默认的人类识别器模型def discern(img):    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)    dets = detector(gray, 1)    for face in dets:        left = face.left()        top = face.top()        right = face.right()        bottom = face.bottom()        cv2.rectangle(img, (left, top), (right, bottom), (0, 255, 0), 2)        cv2.imshow("image", img)cap = cv2.VideoCapture(0)while (1):    ret, img = cap.read()    discern(img)    if cv2.waitKey(1) & 0xFF == ord('q'):        breakcap.release()cv2.destroyAllWindows()

那么，OpenCV和Dlib的视频识别对比，有两个地方是不同的：

1.Dlib模型识别的准确率和效果要好于OpenCV；

2.Dlib识别的性能要比OpenCV差，使用视频测试的时候Dlib有明显的卡顿，但是OpenCV就好很多，基本看不出来；

如果本文对你有所帮助，请打赏——1元就足够感动我：）

联系邮箱：intdb@qq.com

我的GitHub：

关注公众号：

作者：

出处：

本文版权归作者和博客园共有，欢迎转载，请标明出处。