如何用OpenCV 3与Python 3.6实现多摄像头实时视频捕获及人脸识别？

嘿，我之前也折腾过相同的需求，踩过不少坑，给你整理了一套亲测可行的方案，应该能解决你的问题！

核心问题分析 #

你之前遇到的问题大多是因为单线程处理多摄像头导致的——单线程下读取一个摄像头的帧会阻塞其他摄像头的读取，要么延迟严重，要么只能抓单帧。解决关键是给每个摄像头分配独立的线程，并行处理帧读取，再在主线程统一做人脸识别和显示。

步骤1：准备依赖 #

先确保你的环境里装好了对应版本的库：

pip install opencv-python==3.4.5.20  # 这个版本对应OpenCV 3，兼容性好
pip install numpy

另外，OpenCV自带了预训练的人脸识别分类器，我们直接用内置的路径调用就行，不用额外下载。

步骤2：编写摄像头线程类 #

这个类负责单独管理一个摄像头的帧读取，避免线程间的阻塞：

import cv2
import threading
import numpy as np

class CameraCaptureThread(threading.Thread):
    def __init__(self, camera_id):
        super().__init__()
        self.camera_id = camera_id
        # 初始化摄像头捕获
        self.cap = cv2.VideoCapture(camera_id)
        # 存储当前帧
        self.current_frame = None
        # 线程运行标志
        self.is_running = True

    def run(self):
        # 循环读取帧
        while self.is_running:
            ret, frame = self.cap.read()
            if ret:
                self.current_frame = frame
            # 控制读取速度，避免占用过多CPU
            cv2.waitKey(1)

    def stop(self):
        # 停止线程并释放摄像头资源
        self.is_running = False
        self.cap.release()

步骤3：主程序实现多摄像头实时流 + 人脸识别 #

在主程序里启动所有摄像头线程，然后循环获取每个线程的帧，做人脸检测并显示：

def main():
    # 这里填你的摄像头ID列表，比如0是内置摄像头，1、2是外接的
    camera_ids = [0, 1]  # 根据实际数量调整
    threads = []

    # 加载人脸识别分类器（Haar级联）
    face_detector = cv2.CascadeClassifier(
        cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'
    )

    # 启动所有摄像头线程
    for cam_id in camera_ids:
        thread = CameraCaptureThread(cam_id)
        thread.start()
        threads.append(thread)

    try:
        while True:
            # 遍历每个摄像头线程，处理帧并显示
            for idx, thread in enumerate(threads):
                if thread.current_frame is not None:
                    # 复制帧，避免线程间数据冲突
                    frame = thread.current_frame.copy()
                    # 转灰度图，提高人脸识别效率
                    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
                    # 检测人脸
                    faces = face_detector.detectMultiScale(
                        gray_frame,
                        scaleFactor=1.1,
                        minNeighbors=4,
                        minSize=(30, 30)
                    )
                    # 在帧上绘制人脸框
                    for (x, y, w, h) in faces:
                        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
                    # 显示每个摄像头的窗口
                    cv2.imshow(f'Camera {idx+1}', frame)
            
            # 按下Q键退出程序
            if cv2.waitKey(1) & 0xFF == ord('q'):
                break
    finally:
        # 清理资源：停止所有线程，关闭窗口
        for thread in threads:
            thread.stop()
            thread.join()
        cv2.destroyAllWindows()

if __name__ == '__main__':
    main()

为什么之前的方案失效？ #

• 你参考的第一篇单线程读取多摄像头的文章，本质上是串行处理，一个摄像头的读取延迟会传导到其他摄像头，导致画面卡顿甚至无输出。用线程并行就能解决这个问题。
• 那篇pyimagesearch的文章应该是做了单帧捕获的示例，你只需要把单次读取改成循环读取，再结合线程框架，就能实现实时流了。

实用小贴士 #

• 摄像头ID对应：Windows上内置摄像头一般是0，外接从1开始；Linux/macOS可以用命令查看设备路径，比如ls /dev/video*，然后把路径传给VideoCapture。
• 优化帧率：如果画面卡顿，在CameraCaptureThread的run方法里加一行time.sleep(0.03)（对应约30帧/秒），降低读取频率。
• 换更轻量的检测器：可以把Haar级联换成lbpcascade_frontalface.xml，速度更快，适合实时场景，只需要修改分类器的文件名就行。

内容的提问来源于stack exchange，提问作者Urvish