[GazeTracking] 摄像头交互与显示 | OpenCV
链接：antoinelame/GazeTracking: 👀 Eye Tracking library easily implementable to your projects
docs：视线追踪
GazeTracking项目提供了一个**基于摄像头的视线追踪系统**，能够实时检测用户的视线方向和瞳孔位置
该系统通过持续从摄像头捕获实时视频，处理每一帧来分析眼睛状态，随后显示视觉反馈（例如"向右看"或"眨眼"）来指示用户的注视方向
可视化
章节
- 摄像头交互与显示
- 视线追踪核心逻辑
- 视线数据获取
- 依赖项管理
- Docker化执行环境
第1章：摄像头交互与显示
欢迎来到视线追踪的世界~
想象你正在建造一个需要观察世界并告诉你所见之物的机器人。本章将教会你的项目如何拥有"眼睛"（摄像头）来捕捉画面，以及"声音"（电脑屏幕）来展示结果。
GazeTracking的核心功能是通过摄像头追踪你的视线方向。但在理解你的视线之前，它首先需要"看见"你。这就是"摄像头交互与显示"模块的作用——通过持续获取摄像头视频流并将处理后的画面实时显示在屏幕上，为实时视线追踪奠定基础。
核心概念：持续循环
将视频想象成一本快速翻动的画册。每一页都是一幅微小画面（称为帧），快速翻动时就形成了连续动作。
摄像头正是这样工作的：每秒拍摄多张照片。我们的项目需要：
- 获取帧：从摄像头捕获一张画面
- 分析帧：确定眼睛注视方向（将在视线追踪核心逻辑中详述）
- 显示帧：在屏幕上展示画面，通常会添加分析得出的高亮或文字标注
- 重复！
每秒循环数百次
这个持续循环使系统具有交互性和实时性。
使用OpenCV实现摄像头交互
本项目使用强大的OpenCV（开源计算机视觉库）来处理所有摄像头和显示功能。让我们通过简化后的example.py代码了解基本步骤。
首先需要导入OpenCV库：
import cv2
步骤1：开启摄像头
创建VideoCapture对象来启动摄像头。参数0表示默认摄像头，若有多个摄像头可使用1、2等。
import cv2# '0'表示使用默认摄像头
webcam = cv2.VideoCapture(0)
这行代码相当于告诉计算机：“我要连接0号摄像头”。连接成功后，webcam对象就代表与摄像头的连接。
步骤2：获取帧画面
摄像头开启后，需要在循环中持续获取画面：
while True:# `_`表示是否成功获取帧（True/False）# `frame`存储实际的图像数据（NumPy数组）_, frame = webcam.read()
webcam.read()返回两个值：获取是否成功（存储在_），以及图像数据（存储在frame）。
步骤3：显示画面
使用cv2.imshow()显示画面，需要指定窗口名称和图像变量：
# 在"Demo"窗口中显示帧cv2.imshow("Demo", frame)
这将弹窗显示实时视频流。
步骤4：保持运行（及优雅退出）
通过while True循环保持视频流，同时使用cv2.waitKey()检测按键：
# 等待1毫秒，检测是否按下ESC键（ASCII码27）if cv2.waitKey(1) == 27:break # 按下ESC退出循环
步骤5：释放资源
退出循环后释放摄像头资源并关闭所有窗口：
# 释放摄像头
webcam.release()
# 关闭所有OpenCV窗口
cv2.destroyAllWindows()
完整示例代码
整合上述步骤的基础演示代码：
import cv2# 1. 启动默认摄像头
webcam = cv2.VideoCapture(0)while True:# 2. 读取帧_, frame = webcam.read()# (可选：添加文字标注)cv2.putText(frame, "实时摄像头画面", (50, 50),cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)# 3. 显示帧cv2.imshow("我的摄像头画面", frame)# 4. 检测ESC键if cv2.waitKey(1) == 27:break# 5. 释放资源
webcam.release()
cv2.destroyAllWindows()
运行后将显示带文字标注的实时画面，按ESC键退出。
底层原理
序列图展示"摄像头交互与显示"的工作流程：
总结
本章介绍了"摄像头交互与显示"的基础概念。了解GazeTracking如何通过cv2.VideoCapture和webcam.read()获取"眼睛"，以及如何使用cv2.imshow()形成"声音"。这个捕获-处理-显示的循环是实时计算机视觉应用的核心。
现在我们已经理解系统如何"看见"世界(opencv)，下一章将探索**视线追踪核心逻辑**，揭示系统如何分析视频帧来检测视线方向。