-
Notifications
You must be signed in to change notification settings - Fork 19
/
demo04_face_05.py
110 lines (88 loc) · 4.57 KB
/
demo04_face_05.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
import os
import face_recognition
import cv2
# 一：打开摄像头，读取摄像头拍摄到的画面，
# 定位到画面中人的脸部，并用绿色的框框把人的脸部框住
# 二：读取到数据库中的人名和面部特征
# 三：用拍摄到人的脸部特征和数据库中的面部特征去匹配，
# 并在用户头像的绿框上方用用户的姓名做标识，未知用户统一使用Unkown
# 四: 定位和锁定目标人物，改使用红色的框框把目标人物的脸部框住
boss_names = ['Boss', 'boss']
# 1. 准备工作
face_databases_dir = 'face_databases'
user_names = [] # 存用户姓名
user_faces_encodings = [] # 存用户面部特征向量（一一对应）
# 2. 正式工作
# 2.1 得到face_databases_dir文件夹下所有的文件名
files = os.listdir('face_databases')
# 2.2 循环读取文件名进行进一步的处理
for image_shot_name in files:
# 2.2.1 截取文件名的.前面那部分作为用户名存入user_names的列表中
user_name, _ = os.path.splitext(image_shot_name)
user_names.append(user_name)
# 2.2.2 读取图片文件中的面部特征信息存入user_faces_encodings列表中
image_file_name = os.path.join(face_databases_dir, image_shot_name)
image_file = face_recognition.load_image_file(image_file_name)
face_encoding = face_recognition.face_encodings(image_file)[0]
user_faces_encodings.append(face_encoding)
# 1. 打开摄像头， 获取摄像头对象
video_capture = cv2.VideoCapture(0) # 0代表的是第一个摄像头
# 2. 循环不停的去获取摄像头拍摄到的画面，并做进一步的处理
while True:
# TODO 还需要做进一步的处理
# 2.1 获取摄像头拍摄到的画面
ret, frame = video_capture.read() # frame 摄像头所拍摄的画面
# 2.2 从拍摄到的画面中提取出人的脸部所在区域（可能会有多个）
# ['第一个人脸所在区域', '第二个人脸所在区域' ...]
face_locations = face_recognition.face_locations(frame)
# 2.21 从所有人的头像所在区域提取出脸部特征（可能会有多个）
# ['第一个人脸对应的面部特征', '第二个人脸对应的面部特征' ...]
face_encodings = face_recognition.face_encodings(frame, face_locations)
# 2.22 定义用于存储拍摄到的用户的姓名的列表
# ['第一个人的姓名', '第二个人的姓名' ...]
# 如果特征匹配不上数据库中的特征，则是Unknown
names = []
# 遍历face_encodings，和之前数据库中面部特征做匹配
for face_encoding in face_encodings:
# compare_faces(['面部特征1', '面部特征2', '面部特征3' ... ], 未知的面部特征)
# compare_faces返回结果
# 假如 未知的面部特征 和 面部特征1 匹配， 和 面部特征2 面部特征3 不匹配
# [True, False, False]
# 假如 未知的面部特征 和 面部特征2 匹配， 和 面部特征1 面部特征3 不匹配
# [False, True, False ]
matchs = face_recognition.compare_faces(user_faces_encodings, face_encoding)
# user_names
# ['第一个人的姓名'，'第二个人的姓名'， '第三个人的姓名' ...]
name = "UnKnown"
for index, is_match in enumerate(matchs):
# [False, True, False ]
# 0 , False
# 1 , True
# 2, False
if is_match:
name = user_names[index]
break
names.append(name)
# 2.3 循环遍历人的脸部所在区域，并画框, 在框框上标识人的姓名
# zip
# zip(['第1个人的位置', '第2个人的位置'], ['第1个人的姓名', '第2个人的姓名'])
# for
# '第1个人的位置', '第1个人的姓名'
# '第2个人的位置'， '第2个人的姓名'
for (top, right, bottom, left), name in zip(face_locations, names):
color = (0, 255, 0)
if name in boss_names:
# BGR
color = (0, 0, 255)
# 2.3.1 在人像所在区域画框
cv2.rectangle(frame, (left, top), (right, bottom), color, 2)
font = cv2.FONT_HERSHEY_DUPLEX
cv2.putText(frame, name, (left, top-10), font, 0.5, color, 1)
# 2.4 通过opencv把拍摄到的并画了框的画面展示出来
cv2.imshow("Video", frame)
# 2.5 设定按q退出While循环，退出程序的这样一个机制
if cv2.waitKey(1) & 0xFF == ord('q'):
break # 退出while循环
# 3. 退出程序的时候，释放摄像头或其他资源
video_capture.release()
cv2.destroyAllWindows()