哪些网站做的不好用,网页升级升级跳转,微科技h5制作网站,企点官网下载安装二#xff0e;动态人脸识别
1.摄像头人脸识别
1.1.导入资源包
import dlib
import cv2
import face_recognition
from PIL import Image, ImageTk
import tkinter as tk
import os注#xff1a;这些导入语句允许您在代码中使用这些库和模块提供的功能#xff0c;例如创建…二动态人脸识别
1.摄像头人脸识别
1.1.导入资源包
import dlib
import cv2
import face_recognition
from PIL import Image, ImageTk
import tkinter as tk
import os注这些导入语句允许您在代码中使用这些库和模块提供的功能例如创建图形用户界面、处理文件、进行图像处理和人脸识别等。 Dlib是一个开源的机器学习库包含了许多常用的机器学习算法。它还包含了一个名为shape_predictor的模块用于检测人脸的关键点。
1.2.初始化摄像头
# 初始化摄像头
cap cv2.VideoCapture(0)
#参数0指定要使用的摄像头设备。在大多数情况下0表示默认摄像头。注这行代码初始化了摄像头并将其作为cap对象返回。cv2.VideoCapture(0)中的0参数通常表示默认摄像头。这行代码是用于从摄像头上捕获实时视频流。
1.3.创建主窗口
root tk.Tk()
root.title(人脸识别程序)
root.geometry(600x600)注这段代码通常用于创建一个Tkinter窗口并为其设置一个标题和一个初始大小。在后续的代码中您可以添加更多的组件如按钮、标签、图像等来构建图形用户界面。
1.4.创建画布
# 创建画布
canvas tk.Canvas(root, width600, height600)
canvas.pack()注这段代码首先导入了 Tkinter 模块并创建了一个名为 root 的窗口。然后它创建了一个画布canvas并设置了其宽度和高度。最后它将画布添加到窗口中并启动了 Tkinter 的主循环这样窗口才会显示出来。
1.5.显示摄像头部分
# 摄像头画面显示部分
camera_frame tk.Label(root)
camera_frame.place(x50, y50, width400, height400)注这段代码创建了一个 Label 对象并将其放置在窗口root的坐标 (50, 50) 处大小为 400x400。然而由于 Label 控件本身不支持显示动态内容如摄像头捕获的帧您需要使用其他方法如前面提到的 Canvas 控件和 PIL/Pillow 库来显示摄像头画面。
1.6.显示文本
# 文本显示部分
text_label tk.Label(root, text, font(Helvetica, 12))
text_label.place(x50, y460, width500, height100)注这段代码创建了一个 Label 对象并将其放置在窗口root的坐标 (50, 460) 处大小为 500x100。标签的初始文本内容为空字体为 Helvetica 字体字号为 12。
1.7.按钮的点击事件处理函数
# 按钮部分
def capture_face():ret, frame cap.read()if ret:# 将人脸图像转换为RGBrgb_frame cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)# 检测人脸位置face_locations face_recognition.face_locations(rgb_frame)# 如果检测到人脸if face_locations:# 对检测到的人脸进行编码face_encoding face_recognition.face_encodings(rgb_frame, face_locations)[0]# 加载已保存的人脸编码known_face_encodings []known_face_names []for file in os.listdir(facecomparison):image face_recognition.load_image_file(ffacecomparison/{file})encoding face_recognition.face_encodings(image)[0]known_face_encodings.append(encoding)known_face_names.append(file)# 比较当前人脸与已知人脸matches face_recognition.compare_faces(known_face_encodings, face_encoding)if True in matches:text_label.config(text该人脸已存在请勿重复录入)else:# 裁剪人脸图像top, right, bottom, left face_locations[0]face_image frame[top:bottom, left:right]# 生成唯一的文件名unique_filename ffacecomparison/face_{len(os.listdir(facecomparison)) 1}.jpg# 保存人脸到指定文件夹cv2.imwrite(unique_filename, face_image)text_label.config(text人脸已录入)else:text_label.config(text未检测到人脸)else:text_label.config(text无法从摄像头读取帧)注这段代码的作用是实现一个面部识别系统该系统能够从摄像头捕获实时帧检测帧中的人脸并将新检测到的人脸与已保存的人脸编码进行比较。如果新检测到的人脸与已保存的人脸匹配它会显示一个消息告知用户该人脸已存在不应该重复录入。如果新检测到的人脸与已保存的人脸不匹配它会将新的人脸图像保存到指定的文件夹中并显示一个消息告知用户人脸已录入。如果无法从摄像头读取帧或者没有检测到人脸它会显示相应的错误消息。
1.8.识别摄像头捕获的人脸
def recognize_face():# 识别摄像头捕获的人脸ret, frame cap.read()if ret:frame cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)rgb_frame frame.copy()face_locations face_recognition.face_locations(rgb_frame)face_encodings face_recognition.face_encodings(rgb_frame, face_locations)# 加载已保存的人脸编码和文件名known_face_encodings []known_face_names []for file in os.listdir(facecomparison):image face_recognition.load_image_file(ffacecomparison/{file})encoding face_recognition.face_encodings(image)[0]known_face_encodings.append(encoding)known_face_names.append(file)# 标记人脸并显示信息for (top, right, bottom, left), face_encoding in zip(face_locations, face_encodings):matches face_recognition.compare_faces(known_face_encodings, face_encoding)if True in matches:first_match_index matches.index(True)text_label.config(textf识别到人脸人脸属于{known_face_names[first_match_index]})else:cv2.rectangle(frame, (left, top), (right, bottom), (255, 0, 0), 2) # 使用蓝色线条画框cv2.putText(frame, 新的人脸, (left 10, top 20), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 1)text_label.config(text人脸不存在请先录入人脸)# 更新画布image Image.fromarray(frame)image ImageTk.PhotoImage(image)camera_frame.configure(imageimage)camera_frame.image imageelse:text_label.config(text无法从摄像头读取帧)注这段代码是一个函数当按钮被点击时它会执行这个函数。这个函数的作用是识别摄像头捕获的实时帧中的人脸并与已保存的人脸编码进行比较以确定是否已存在。如果人脸存在它会标记并显示该人脸的名称如果人脸不存在它会标记新的人脸并提示用户先录入人脸。
1.9.点击关闭程序的按钮
def close_program():
#关闭 Tkinter 应用程序root.quit()
#释放摄像头cap资源cap.release()注当用户点击关闭程序的按钮时这两个操作会确保 Tkinter 应用程序和摄像头资源都能被正确地关闭和释放从而避免资源泄漏和潜在的系统问题。
1.10.创建按钮
button1 tk.Button(root, text录入人脸, commandcapture_face, width10, height2)
button1.place(x460, y50, width100, height100)button2 tk.Button(root, text识别人脸, commandrecognize_face, width10, height2)
button2.place(x460, y200, width100, height100)button3 tk.Button(root, text结束程序, commandclose_program, width10, height2)
button3.place(x460, y350, width100, height100)注这三行代码分别创建了三个按钮并设置了它们的位置、大小和功能当用户点击这些按钮时会触发相应的函数执行。
1.11.更新摄像头的画面
# 更新摄像头画面的函数
def update_image():ret, frame cap.read()if ret:frame cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)face_locations face_recognition.face_locations(frame)for (top, right, bottom, left) in face_locations:cv2.rectangle(frame, (left, top), (right, bottom), (0, 255, 0), 2) # 使用绿色线条画框image Image.fromarray(frame)image ImageTk.PhotoImage(image)camera_frame.configure(imageimage)camera_frame.image imageroot.after(10, update_image)# 开始更新画面
update_image()# 主循环
root.mainloop()# 释放摄像头
cap.release()注这段代码的作用是在 Tkinter 窗口root中创建一个循环用于从摄像头捕获实时帧并在窗口中显示这些帧。这个循环会在每次捕获新帧后立即更新显示的图像。 运行结果
2.视频流人脸识别
2.1.导入资源包
import tkinter as tk
from tkinter import filedialog
from PIL import Image, ImageTk
import cv2
import os
import subprocess
from pathlib import Path注导入了所需的模块这些模块将用于创建一个图形用户界面 (GUI) 应用程序该应用程序可以处理图像文件、使用摄像头、执行命令行操作等。 cv2这是 OpenCV 模块用于处理图像和视频包括摄像头捕捉、图像处理、特征检测等。os这是 Python 的标准库用于操作文件和目录例如创建目录、删除文件、获取文件路径等。 pathlib这是 Python 的标准库用于处理文件和目录路径提供了一个面向对象的接口可以更方便地处理路径。
2.2.创建界面窗口
# 初始化窗口
win tk.Tk()
win.title(视频流人脸识别)
win.geometry(600x600)
#创建了一个字体对象 title_font用于设置标题的字体、大小和样式。title_font (Verdana, 20, italic)注这段代码创建了一个名为 “视频流人脸识别” 的窗口窗口的初始大小为 600x600 像素并准备了一个斜体字体的对象用于后续设置窗口标题的字体。
2.3.创建视频播放框架
# 视频播放框架
video_frame tk.Frame(win, width300, height300, bgblack)
video_frame.pack()
#将 video_frame 框架放置在窗口中注这段代码创建了一个视频播放框架并将其放置在窗口中设置其大小为 300x300 像素背景颜色为黑色。这个框架可以用来显示摄像头捕捉的实时帧或视频文件。
在视频播放框架 video_frame 中创建一个画布
# 视频播放的Canvas
canvas tk.Canvas(video_frame, width900, height900)
canvas.pack(sidetk.TOP, anchortk.CENTER)注这段代码创建了一个画布并将其放置在视频播放框架中设置其大小为 900x900 像素。这个画布可以用来显示摄像头捕捉的实时帧或视频文件。
2.5. 加载人脸识别预训练的模型
# 加载人脸识别的预训练模型
face_cascadecv2.CascadeClassifier(cv2.data.haarcascadeshaarcascade_frontalface_default.xml)注这段代码创建了一个名为 face_cascade 的级联分类器对象用于检测图像或视频帧中的人脸。OpenCV 提供了许多预训练的级联分类器包括正面人脸检测、眼睛检测等这些分类器可以提高检测的准确性和效率。
2.6.人脸检测
# 人脸检测函数
def detect_faces(frame):gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)faces face_cascade.detectMultiScale(gray, 1.3, 5)for (x, y, w, h) in faces:cv2.rectangle(frame, (x, y), (xw, yh), (255, 0, 0), 2)return frame, faces注这个函数通过级联分类器在输入图像中检测人脸并在图像上标记出这些人脸以便进一步的处理或显示。 1.3是尺度缩放因子用于调整检测窗口大小。 5是邻域内像素的最低匹配数用于确定检测到的候选框是否真正是人脸。
2.7.在循环外部创建全局的PhotoImage对象
# 在循环外部创建全局的PhotoImage对象
imgtk None注在 Tkinter 中PhotoImage 是一个用于在 Tkinter 控件中显示图像的类。当您创建一个 PhotoImage 对象时它会占用一些内存来存储图像数据。如果您在循环中创建多个 PhotoImage 对象并且循环会多次迭代那么每次迭代都会创建一个新的对象这将导致内存占用逐渐增加。为了避免这种情况您可以创建一个全局的 PhotoImage 对象并在循环中使用它。这样做的好处是无论循环迭代多少次都只会有一个 PhotoImage 对象在内存中。
2.8.定义播放视频的函数
# 播放视频的函数
def play_video():global imgtkvideo_path filedialog.askopenfilename(title选择视频, filetypes[(视频文件, *.mp4)])if video_path:cap cv2.VideoCapture(video_path)while cap.isOpened():ret, frame cap.read()if ret:frame, faces detect_faces(frame)display_frame(frame)else:breakcap.release()
#在循环后释放视频文件资源注这个函数允许用户选择一个视频文件并播放该视频。在播放过程中它将视频帧显示在窗口中并使用人脸检测算法检测帧中的人脸。
2.9.在 Tkinter 窗口的画布上显示图像帧。
#定义了一个函数 display_frame它接受一个名为 frame 的参数该参数是一个表示图像的 NumPy 数组。
def display_frame(frame):global imgtkif imgtk:canvas.delete(imgtk)imgtk Noneframe cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)img Image.fromarray(frame)imgtk ImageTk.PhotoImage(imageimg)
#在画布上创建图像canvas.create_image(0, 0, anchortk.NW, imageimgtk)
#更新image属性canvas.image imgtk
#更新窗口状态win.update_idletasks()win.update()注这个函数负责将处理后的图像帧转换为 Tkinter 可以显示的格式并在画布上显示这些帧。
2.10.让用户选择要查看的人脸图片并在图像上显示这些图片
def view_faces():directory C:/Users/HUAWEI/Desktop/机器学习的人脸识别/机器学习的人脸识别/动态人脸识别/视频流人脸识别/保存图片[os.path.join(directory, f) for f in os.listdir(directory) if f.endswith(.jpg)]face_paths filedialog.askopenfilenames(title查看人脸, initialdirdirectory, filetypes[(图片文件, *.jpg)])if face_paths:for face_path in face_paths:img cv2.imread(face_path)if img is not None:cv2.imshow(Face, img)cv2.waitKey(0)cv2.destroyAllWindows()else:print(f无法加载图片: {face_path})注这行代码检查用户是否选择了图片文件。如果选择了它将遍历用户选择的图片文件并使用 cv2.imread() 函数尝试读取每个图片文件。如果成功读取它将使用 cv2.imshow() 函数在窗口中显示图片并使用 cv2.waitKey(0) 函数等待用户按键然后使用 cv2.destroyAllWindows() 函数关闭所有打开的 OpenCV 窗口。如果无法加载图片它会打印一个错误消息。
2.11.返回到主界面
def return_to_system():subprocess.Popen([python, rlsb.py])win.destroy()
#调用 win.destroy() 方法来关闭当前的 Tkinter 窗口。注这个函数的作用是在当前 Tkinter 窗口中执行 rlsb.py 脚本并在脚本执行完毕后关闭窗口。这通常用于将控制权返回到操作系统或另一个应用程序。 subprocess.Popen([“python”, “rlsb.py”])这行代码使用 subprocess.Popen() 函数启动一个新的进程该进程将执行 rlsb.py 脚本。subprocess.Popen() 函数用于执行外部命令和程序参数 [“python”, “rlsb.py”] 指定使用 Python 解释器执行 rlsb.py 脚本。
2.12.创建按钮
# 创建播放视频按钮并放置在窗口的右侧
button1 tk.Button(win, text选择视频, commandplay_video, width10, height2)
button1.place(x150, y500, width100, height50)# 创建返回程序按钮并放置在窗口的右侧
button2 tk.Button(win, text返回程序, commandreturn_to_system, width10, height2)
button2.place(x400, y500, width100, height50)注这两行代码分别创建了两个按钮并设置了它们的位置、大小和功能。当用户点击这些按钮时会触发相应的函数执行。
2.13.更新窗口以确保按钮大小被计算
# 更新窗口以确保按钮大小被计算
win.update_idletasks()注这行代码的作用是更新 Tkinter 窗口以确保按钮的大小被正确计算。在 Tkinter 中按钮的大小是通过其 place 或 pack 方法设置的但这些方法并不会立即更新按钮的实际大小。update_idletasks() 方法用于在布局管理器如 pack 或 grid计算所有控件的最终位置和大小后更新窗口。
2.14.事件循环
# 进入Tkinter事件循环
win.mainloop()注这行代码确保了 Tkinter 窗口和所有绑定的事件处理函数能够正常工作并且用户可以与应用程序进行交互。它是 Tkinter 应用程序中不可或缺的一部分。 运行结果
