Question

每次OpenCV人脸检测返回边界框时，我都会播放Pyaudio文件。因此，基本上对于边界框的每次坐标更新，我们都将wav数据写入pyaudio流。流像我想要的那样在每次面部检测事件中播放音频文件，但是在将数据写入流中仅几秒钟之后，音频就变得太安静而无法听到。

我正在下面的while循环中将音频数据写入流中：

完整代码：

import cv2
import numpy as np
import pyaudio
import wave
import sys


CHUNK = 1024

wf = wave.open("audio files\light.wav", 'r')
print(wf.getframerate())

# instantiate PyAudio
p = pyaudio.PyAudio()

# open stream
stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
                channels=wf.getnchannels(),
                rate=wf.getframerate(),
                output=True)

# read data
data = wf.readframes(CHUNK)

# play sound
# while len(data) > 0:
#     stream.write(data)
#     data = wf.readframes(CHUNK)


face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')

cap = cv2.VideoCapture(0)

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
        roi_gray = gray[y:y+h, x:x+w]
        roi_color = img[y:y+h, x:x+w]

        data = wf.readframes(CHUNK)
        stream.write(data)

        eyes = eye_cascade.detectMultiScale(roi_gray)
        for (ex, ey, ew, eh) in eyes:
            cv2.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)

    cv2.imshow('img', img)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break
# stop stream
stream.stop_stream()
stream.close()

# close PyAudio
p.terminate()

cap.release()
cv2.destroyAllWindows()

Answer 1

由于某种原因，您正在读取CHUNK = 1024情况下声音的任意部分（即某些帧）。您究竟从中期望什么？要在每一帧中分部播放吗？从您的上下文来看，您似乎想播放整个声音，所以，这不是做到这一点的方法。

您应该阅读并记录所有声音帧：

data = wf.readframes(wf.getnframes())
stream.write(data)

另一方面，如果您遇到了欠载问题，则可以考虑使用this one或this one之类的答案中提出的解决方案。

PyAudio流音量太低

1 个答案: