Python cv2使用最小化窗口捕获视频

我有一个小python脚本，使用cv2捕获检测到的第一张脸，并仅在cv2窗口中显示该区域。一切都很好

当前，最小化时视频馈送将冻结。 如果最小化托盘上的cv2窗口，如何允许脚本继续捕获视频

编辑

我还想知道是否有更好的方法，这样我就可以减少CPU上的负载。当前运行此脚本将占用我14-20%的cpu

from __future__ import division
from imutils.video import VideoStream
import face_recognition
import imutils
import cv2

POINTS = []


def landmarkTrackSmoothing(box, factor, maxPoints=30):
    top = box[0][0]
    bottom = box[0][1]
    left = box[0][2]
    right = box[0][3]
    if len(POINTS) < maxPoints:
        maxPoints = len(POINTS)
    else:
        del POINTS[0]

    POINTS.append([top, bottom, left, right])
    mean = [int((sum(col)/len(col))/factor) for col in zip(*POINTS)]
    return mean


def cartoonFilter(roi):
    # 1) Edges
    gray = cv2.cvtColor(roi, cv2.COLOR_RGB2GRAY)
    gray = cv2.medianBlur(gray, 5)
    edges = cv2.adaptiveThreshold(
        gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 9, 9)

    # 2) Color
    color = cv2.bilateralFilter(roi, 9, 300, 300)

    # 3) Cartoon
    return cv2.bitwise_and(color, color, mask=edges)


def OpenCamera():
    vs = VideoStream(0 + cv2.CAP_DSHOW, framerate=120).start()
    vs.stream.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
    vs.stream.set(cv2.CAP_PROP_FRAME_HEIGHT, 1024)
    roi = [0, 0, 0, 0]
    prev = [0, 0, 0, 0]

    # Add filter flags
    cartoonEffect = False

    # loop over frames from the video file stream
    while True:
        # grab the frame from the threaded video stream
        frame = vs.read()

        # downscale and convert to grayscale for fast processing
        # of landmark locations
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        gray = imutils.resize(frame, width=240)

        # calculate upscale factor for landmark locations
        factor = float(gray.shape[1]) / frame.shape[1]

        # detect the (x, y)-coordinates of the bounding boxes
        # corresponding to each face in the input frame, then
        # the facial embeddings for each face
        boxes = face_recognition.face_locations(gray)
        box = list(map(list, boxes))
        # t, b, l, r = 0, 0, 0, 0

        # upscale landmark locations
        for i in range(len(box)):
            box = [landmarkTrackSmoothing(box, factor)]

        # loop over the recognized faces
        if (len(box) > 0):
            i = 0
            for (top, right, bottom, left) in box:
                # grab frames from face coordinates
                if (i == 0):
                    roi = frame[top:bottom, left:right]
                    prev = top, bottom, left, right
                    if cartoonEffect:
                        roi = cartoonFilter(roi)
                    i += 1

        # check to see if we are supposed to display the output frame to
        # the screen
        if (len(box) == 0):
            if (prev[0] > 0):
                roi = frame[prev[0]:prev[1], prev[2]:prev[3]]
            else:
                roi = frame

        cv2.namedWindow("Frame", cv2.WINDOW_NORMAL)
        if (roi.any()):
            cv2.imshow("Frame", roi)
        cv2.resizeWindow("Frame", 512, 512)

        # continue looping until quit: expandable to add dynamic key commands for filters
        key = cv2.waitKey(1) & 0xFF

        if key == ord("q"):
            break
        if key == ord('c'):
            if cartoonEffect:
                cartoonEffect = False
            else:
                cartoonEffect = True

            # do a bit of cleanup on quit
    cv2.destroyAllWindows()
    vs.stop()


# Begin capturing
OpenCamera()

来自未来进口部的

从imutils.video导入视频流
导入人脸识别
导入imutils
进口cv2
点数=[]
def landmarkTrackSmoothing（框，因子，最大点=30）：
顶部=方框[0][0]
底部=框[0][1]
左=方框[0][2]
右=方框[0][3]
如果len（点）0）：
i=0
对于（顶部、右侧、底部、左侧）输入框：
#从面坐标抓取帧
如果（i==0）：
roi=帧[顶部：底部，左侧：右侧]
prev=顶部、底部、左侧、右侧
如果卡通效果：
roi=卡通过滤器（roi）
i+=1
#检查是否要显示输出帧
#屏幕
如果（len（box）==0）：
如果（上一个[0]>0）：
roi=帧[prev[0]：prev[1]、prev[2]：prev[3]]
其他：
roi=帧
cv2.namedWindow（“框架”，cv2.WINDOW_正常）
如果（roi.any（））：
cv2.imshow（“帧”，roi）
cv2.调整窗口大小（“帧”，512，512）
#继续循环直到退出：可展开以添加过滤器的动态键命令
key=cv2.waitKey（1）和0xFF
如果键==ord（“q”）：
打破
如果键==ord（'c'）：
如果卡通效果：
cartoneffect=假
其他：
卡通效果=真
#在退出时做一些清理
cv2.destroyAllWindows（）
vs.stop（）
#开始捕捉
OpenCamera（）

请发布一个最小的可复制代码示例-发布您用于捕获视频的代码（最小代码，没有检测到人脸等并发症）。尝试发布每个人都可以执行的代码示例。代码示例应重现问题：“最小化时视频馈送将冻结”。