对他人的人脸进行采集
import sys
import cv2
import os
# dlib是一个机器学习的开源库，包含了机器学习的很多算法，使用起来很方便。也提供了一些python接口。
import dlib
source_path = './input_img'
faces_other_path = 'other_faces'
size = 64
if not os.path.exists(faces_other_path):
os.makedirs(faces_other_path)
"""特征提取器:dlib自带的frontal_face_detector"""
detector = dlib.get_frontal_face_detector()
"""os,walk()会返回一个生成器，每次迭代都会返回一个元组，元组返回三个元素，分别是当前目
录（path），当前目录的子目录（dirnames），当前目录的文件（filenames）. """
num = 1
for (path, dirnames, filenames) in os.walk(source_path):
for filename in filenames:
if filename.endswith('.jpg'): # 用endswith判断一个文件名是不是以jpg
print('Being processed picture %s' % num)
img_path = path+'/'+filename
img = cv2.imread(img_path) # 读图片
# 转为灰度图片
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
""" 使用detector进行人脸检测 dets为返回的结果"""
dets = detector(gray_img, 1) # 1采样次数
"""--------------------------------------------------------------------
使用enumerate 函数遍历序列中的元素以及它们的下标,i为人脸序号,d为i对应的元素;
left：人脸左边距离图片左边界的距离 ；right：人脸右边距离图片左边界的距离
top：人脸上边距离图片上边界的距离 ；bottom：人脸下边距离图片上边界的距离
----------------------------------------------------------------------"""
for i, d in enumerate(dets):
x1 = d.top() if d.top() > 0 else 0
y1 = d.bottom() if d.bottom() > 0 else 0
x2 = d.left() if d.left() > 0 else 0
y2 = d.right() if d.right() > 0 else 0
face = img[x1:y1,x2:y2]
face = cv2.resize(face, (size,size)) # 调整图片的尺寸
cv2.imshow('image',face)
cv2.imwrite(faces_other_path+'/'+str(num)+'.jpg', face) # 保存
num += 1
# waitKey() 函数的功能是不断刷新图像 , 频率时间为delay , 单位为ms,该函数通常用在显示图像函数之后。
"""参数：delay延时时间，单位ms；
delay>0时，延迟"delay"ms；
当delay<=0的时，如果没有键盘触发，则一直等待"""
key = cv2.waitKey(30)
if key == 27:
sys.exit(0)
为什么我最后的图片没有保存在我的指定目录里面
你需要检查你的图片保存路径和文件名是否正确。在你的代码中，你的图片保存路径是 other_faces，这意味着在运行脚本的当前目录下，应该有一个名为 other_faces 的文件夹。如果没有，请确保你已经创建了这个文件夹。然后，请确保文件名是正确的，即保存的文件名应该是数字加上 .jpg 后缀，例如 1.jpg，2.jpg 等，可以使用print语句来检查你的文件名是否正确。如果你的代码在显示图片后无法保存图片，那么你需要检查你的Python工作目录是否有写入权限。为了解决这个问题，可以改变图片保存路径到你能够访问并有写入权限的目录，比如 ./output_img/other_faces 或者 /tmp/other_faces（根据你自己环境的情况改变）。
- 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7743569
- 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：基于摄像头标定的实际应用
- 除此之外, 这篇博客: 详解机器人标定中的 分离轴 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
分离轴的设计方式有很多，XY + θ, X+Y θ, X θ+Y….,具体状况具体分析，目的是要找到旋转中心，做好9点标定。
1.相机非线性校正
2.相机与机器人做9点标定
3.计算机器人的旋转中心
4.相机通过公式计算得出最终的输出结果
旋转中心方法用于所有机器人与视觉配合场景
方法：计算工件实际发生的偏移量和旋转量，结合机器人的旋转中心进行二次补偿后，把补偿量
发送给机器人，然后机器人把补偿量补偿后进行抓取或放置即可；
计算某个点绕另外一点旋转一定角度后的坐标，如图：
机器人与视觉标定理论详解
A（x，y）绕B（rx0，ry0)旋转a度后的位置为C（x0，y0），则有如下关系式：
x0= cos (a) * (x-rx0) – sin (a) * (y-ry0) +rx0
y0= cos (a) * (y-ry0) + sin (a) * (x-rx0) +ry0
- 您还可以看一下 邓俊老师的软件项目管理实战课程中的 课程及自我介绍小节, 巩固相关知识点
如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^