往期目录
视频人脸检测——Dlib版（六）
OpenCV添加中文（五）
图片人脸检测——Dlib版（四）
视频人脸检测——OpenCV版（三）
图片人脸检测——OpenCV版（二）
OpenCV环境搭建（一）
更多更新，欢迎访问我的github：https://github.com/vipstone/faceai
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《图片人脸检测——Dlib版（四）》
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，视频人脸检测——OpenCV版（三） 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-8
import cv2
import dlib
detector = 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\'):
break
cap.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；