概述

该视频采集系统包含的功能有：

自适应识别摄像头的分辨率和帧率
人脸识别

仪器与开发环境

硬件：

树莓派开发板组件1套
显示屏幕1块
摄像头2个(不同分辨率的)
网线1根

开发平台：

树莓派系统

开发语言：

python

整体方案

使用USB接口的摄像头采集视频数据；
使用python和openCV对视频进行处理，实现自适应识别摄像头的分辨率和帧率以及人脸检测；
通过HDMI接口连接到树莓派屏幕上进行实时视频显示。

实现

import cv2
cap = cv2.VideoCapture(0)	#获取并打开摄像头
faceCascade=cv2.CascadeClassifier('Cascades/haarcascade_frontalface_default.xml')	
#加载人脸识别分类器，分类器位置要根据实际位置进行修改
#该分类器是openCV已经训练好的，可以直接使用，一般安装openCV库的时候会自带，就位于openCV安装的文件夹里，没有可以去官网下载

cap.set(cv2.CAP_PROP_FRAME_WIDTH,10000)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT,10000)
#将分辨率设置成一个较大的值，让真实值不会超过上限值，实现自适应识别分辨率

if cap.isOpened:    
    while True:
        ret,frame = cap.read()
        width = cap.get(3)
        height = cap.get(4)	#获取真实的分辨率
        speed = cap.get(5)	#获取帧率
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    	faces = faceCascade.detectMultiScale(
        		gray,     
        		scaleFactor=1.2,
        		minNeighbors=5,     
        		minSize=(20, 20)
    			)
    	#调用分类器检测人脸
    	#gray 表示输入的灰度图；
		#scaleFactor 表示每个图像缩减的比例大小；
		#minNeighbors 表示至少识别5次才确定一个人脸；
		#minSize 表示人脸识别的最小尺寸；
		#faces 表示检测到的所有人脸的范围
    	for (x,y,w,h) in faces:
        	cv2.rectangle(frame, (x,y), (x+w,y+h), (255,0,0),2)
        #利用for循环提取出该帧图片中每一个人脸的范围，调用rectangle在原始彩色图像上对人脸进行标记 
		text = "resolution:" + str(width) + "*" + str(height) + ",speed:" + str(speed)
		cv2.putText(frame, text, (5, 20), cv2.FONT_HERSHEY_COMPLEX, 0.8, (0, 0, 0), 1)	#显示分辨率和帧率信息
		cv2.namedWindow("Video", 0)
		cv2.imshow("Video", frame)	#显示视频 
		input = cv2.waitKey(int(1/speed*1000))	#等待按键输入，没有按键输入时，就是延时效果，单位为ms
		if input==ord('q'):
			break	#当键盘输入“q”时，退出

else:
	print("Can't open the camera!")	#若摄像头无法开启，就输出“Can't open the camera!”

cap.release()
cv2.destroyAllWindows()