目录
环境：
初始化摄像头：
初始化FaceDetector对象：
获取摄像头帧：
获取数据：
绘制数据：
显示图像：
完整代码：
环境：
cvzone库：cvzone是一个基于OpenCV的计算机视觉库，它提供了一些方便的功能和工具，用于图像处理、人脸检测、手势识别等应用。cvzone库是由Murtaza Hassan开发的，目前支持Python语言。
cv2库:cv2是OpenCV（Open Source Computer Vision Library）的Python接口库，它是一种广泛使用的计算机视觉和图像处理库。cv2提供了丰富的函数和工具，用于处理图像、视频、进行特征检测、图像变换等各种计算机视觉任务。
可以通过清华镜像源安装
初始化摄像头：
cap = cv2.VideoCapture(0) # 通常 '0' 指的是内置摄像头
cap.set(3,1280) #设置摄像头的分辨率为 1280x720
cap.set(4,720)初始化FaceDetector对象：
FaceDetector是一个基于OpenCV的库，它提供了一个简单而强大的人脸检测器。它使用了OpenCV的级联分类器（Cascade Classifier）来检测人脸，并提供了方便易用的接口。FaceDetector可以在静态图像或实时视频中检测出人脸，并返回每个检测到的人脸的位置和边界框。它还可以根据需要进行参数调整，以适应不同场景和要求。FaceDetector在诸如人脸识别、人脸跟踪、表情检测等应用中非常有用。
detector = FaceDetector(minDetectionCon=0.5, modelSelection=1)
# modelSelection: 0 表示短距离检测（2米），1 表示长距离检测（5米）获取摄像头帧：
# success: 布尔值，表示是否成功捕获了帧
# img: 捕获的帧
success, img = cap.read() # 从摄像头读取当前帧
# 在图像中检测人脸
# img: 更新后的图像
# bboxs: 检测到的人脸边界框列表
img, bboxs = detector.findFaces(img, draw=False) #在图像中检测人脸，并返回更新后的图像和人脸边界框列表获取数据：
# ---- 获取数据 ---- #
center = bbox["center"] # 获取人脸中心坐标
x, y, w, h = bbox['bbox'] # 获取边界框的坐标和大小
score = int(bbox['score'][0] * 100) # 获取识别置信度（百分比）
绘制数据：
# ---- 绘制数据 ---- #
cv2.circle(img, center, 5, (255, 0, 255), cv2.FILLED) # 绘制圆形标记人脸中心
cvzone.putTextRect(img, f'{score}%', (x, y - 15), border=5) # 显示识别置信度文本
cvzone.cornerRect(img, (x, y, w, h)) # 绘制矩形框显示图像：
# 在名为'Image'的窗口中显示图像
cv2.imshow("Image", img)
# 等待1毫秒，如果按下任意键则关闭窗口
cv2.waitKey(1)
完整代码：
#coding=gbk
# 导入必要的库
import cvzone
from cvzone.FaceDetectionModule import FaceDetector
import cv2
import logging
# 配置日志记录
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
# 记录日志信息
logging.info('这是一条信息日志')
logging.warning('这是一条警告日志')
logging.error('这是一条错误日志')
# 初始化摄像头
cap = cv2.VideoCapture(0) # 通常 '0' 指的是内置摄像头
cap.set(3,1280) #设置摄像头的分辨率为 1280x720
cap.set(4,720)
# 初始化FaceDetector对象
# minDetectionCon: 最小检测置信度阈值
# modelSelection: 0 表示短距离检测（2米），1 表示长距离检测（5米）
detector = FaceDetector(minDetectionCon=0.5, modelSelection=1)
# 循环获取摄像头帧
while True:
# success: 布尔值，表示是否成功捕获了帧
# img: 捕获的帧
success, img = cap.read() # 从摄像头读取当前帧
# 在图像中检测人脸
# img: 更新后的图像
# bboxs: 检测到的人脸边界框列表
img, bboxs = detector.findFaces(img, draw=False) #在图像中检测人脸，并返回更新后的图像和人脸边界框列表
# 如果检测到人脸
if bboxs:
# 遍历每个边界框
for bbox in bboxs:
# bbox 包含 'id', 'bbox', 'score', 'center'
# ---- 获取数据 ---- #
center = bbox["center"] # 获取人脸中心坐标
x, y, w, h = bbox['bbox'] # 获取边界框的坐标和大小
score = int(bbox['score'][0] * 100) # 获取识别置信度（百分比）
# ---- 绘制数据 ---- #
cv2.circle(img, center, 5, (255, 0, 255), cv2.FILLED) # 绘制圆形标记人脸中心
cvzone.putTextRect(img, f'{score}%', (x, y - 15), border=5) # 显示识别置信度文本
cvzone.cornerRect(img, (x, y, w, h)) # 绘制矩形框
# 在名为'Image'的窗口中显示图像
cv2.imshow("Image", img)
# 等待1毫秒，如果按下任意键则关闭窗口
cv2.waitKey(1)
