一、前言
本文是《人臉識別完整項目實戰》系列博文第3部分：程序設計篇（Python版），第1節《Python實時視頻采集程序設計》，本章內容系統介紹：基於Python+opencv如何實現實時視頻采集。
完整的相關內容已錄制成視頻課程，點擊跳轉：《人臉識別完整項目實戰（附源碼）》
整個《人臉識別完整項目實戰》系統架構結構如下圖所示：
項目概述篇：系統介紹人臉識別項目的系統架構設計、項目關鍵技術說明、項目業務需求分析、項目業務流程設計；
環境部署篇：提供C++和Python兩種編程語言的版本，系統介紹項目開發環境概述、DLib框架源碼編譯、項目工程文件創建、項目開發環境配置、項目性能優化設置；
程序設計篇：從實時視頻采集開始，涵蓋人臉區域檢測、人臉特征點標定、人臉對齊、人臉比對和活體檢測等全部技術環節的代碼設計、運行演示和執行結果輸出；
模型訓練篇：基於人臉識別區域檢測和人倆識別特征點標定兩個應用場景，介紹數據樣本采集、算法模型訓練和算法模型測試的過程，讓大家都人臉識別有一個完整的直觀的認識；
算法原理篇：基於人臉識別區域檢測和人倆識別特征點標定兩個應用場景，人臉區域檢測和人臉特征點標定的算法原理和實現機制，讓大家對人臉識別與機器學習、深度學習進行有效關聯；
學習框架篇：系統介紹主流深度學習框架，重點就本課程用到Dlib深度學習框架進行介紹，通過dlib深度學習實戰案例1和dlib深度學習實戰案例2，兩個完整的案例，讓大家對dlib的深度學習框架有一個直觀的認識；
二、正文
2.1 程序邏輯
Python實時視頻采集程序主要流程共分為10個步驟，具體如下圖所示：
流程描述：
庫文件導入：導入程序依賴的python安裝包；
攝像頭管理對象創建和初始化：是對opencv VideoCapture對象的創建和初始化，通過它打開攝像頭設備；
啟動循環監控：循環處理每一幀圖片；
圖像抓拍：利用opencv提供的攝像頭管理設備，進行逐幀圖像內容的抓取，然后進行處理；
圖像窗口顯示：利用opencv的窗口對象，進行抓拍內容的顯示。
等待用戶輸入：利用opencv提供的鍵盤輸入監控程序，獲取用戶指令。
攝像頭釋放：收到退出指令后，釋放攝像頭管理設備資源。
2.2 接口說明
python實時視頻監控采集功能的實現，主要是采用了opencv開源框架提供的攝像頭管理類：VideoCapture。該類的主要方法和屬性如下圖所示：
opencv的攝像頭管理類，我們主要應用了其open（打開攝像頭）、read（讀取每一幀）、release（釋放設備）等函數功能能。
2.3 源碼設計
源碼的執行，需要導入opencv庫文件，直接執行：pip install opencv 即可實現。具體程序代碼如下圖所示：
# 實時：視頻圖像采集(opencv)
import cv2
cap = cv2.VideoCapture(0)
# 從視頻流循環幀
while True:
ret, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow("Frame", frame)
# 退出：Q
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 清理窗口
cv2.destroyAllWindows()
2.4 運行效果
三、未完待續
本文是《人臉識別完整項目實戰》系列博文第3部分：程序設計篇（Python版）第一節《實時視頻采集程序設計（python）》，全文共53個章節，持續更新，敬請關注。人臉識別技術交流QQ群：859860225 。