以下代码使用Python和OpenCV库，通过摄像头实时捕获图像，并根据肤色来判定人种。我们可以通过提取视频帧中的肤色区域，并分析其颜色分布来判断人种。 ```python import cv2 import numpy as np # 定义不同人种的肤色范围（在HSV颜色空间中） def detect_race(frame): # 将图像从BGR转换为HSV颜色空间 hsv_image = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 定义肤色范围 (可以根据实际需求调整) lower_caucasian = np.array([0, 15, 60]) # 白种人肤色范围 upper_caucasian = np.array([25, 170, 255]) lower_asian = np.array([0, 10, 40]) # 亚洲人肤色范围 upper_asian = np.array([25, 150, 200]) lower_african = np.array([0, 30, 30]) # 非洲人肤色范围 upper_african = np.array([25, 200, 255]) # 创建掩码 mask_caucasian = cv2.inRange(hsv_image, lower_caucasian, upper_caucasian) mask_asian = cv2.inRange(hsv_image, lower_asian, upper_asian) mask_african = cv2.inRange(hsv_image, lower_african, upper_african) # 计算每个掩码的像素数量 count_caucasian = np.sum(mask_caucasian == 255) count_asian = np.sum(mask_asian == 255) count_african = np.sum(mask_african == 255) # 判断属于哪种人种 if count_caucasian > count_asian and count_caucasian > count_african: return "Caucasian" elif count_asian > count_caucasian and count_asian > count_african: return "Asian" else: return "African" # 打开摄像头 cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break # 检测人种 race = detect_race(frame) # 在图像上显示检测结果 cv2.putText(frame, f"Detected Race: {race}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2) # 显示图像 cv2.imshow('Race Detection', frame) # 按下 'q' 键退出 if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放资源 cap.release() cv2.destroyAllWindows() ``` ### 上述代码解释： 1. **摄像头捕获**：我们使用`cv2.VideoCapture(0)`打开默认摄像头，并通过循环读取每一帧。 2. **颜色空间转换**：将每一帧从BGR颜色空间转换为HSV颜色空间，因为HSV更适于表示肤色信息。 3. **定义肤色范围**：我们为白种人、亚洲人和非洲人分别定义了肤色范围。这些范围是基于HSV颜色空间的经验值，可能需要根据实际情况进行调整。 4. **创建掩码**：通过`cv2.inRange`函数，我们生成了三个掩码，分别对应白种人、亚洲人和非洲人的肤色范围。 5. **统计像素数量**：我们计算每个掩码中白色像素的数量，以此来判断图像中哪个肤色范围占据主导地位。 6. **判断人种**：根据像素数量最多的掩码，我们在图像上显示检测到的人种。 7. **退出条件**：按下键盘上的`q`键可以退出程序。 ### 注意事项： - 肤色范围的定义可能会因光照条件、图像质量等因素而有所不同，因此需要根据具体情况进行调整。 - 这个方法只是一个简单的示例，实际应用中可能需要更复杂的算法来提高准确性。 ###