python小项目 | python 百度方案批量进行人脸识别(图片/视频)

python 人脸识别并截取人脸保存

实现的功能

1.界面化,拖入包含图片/视频的文件夹后,一键统一处理
2.实现人脸识别并截取保存功能
3.可以处理图片和视频

人脸识别并提取

import os, time, sys, cv2, random
import tkinter as tk
import windnd
import numpy as np

baseDirPath = sys.path[0]   #在导入paddlehub之前执行, 否则地址会被改变
print(baseDirPath)

import paddlehub as hub  #百度方案

#加载模型
module = hub.Module(name = 'pyramidbox_lite_server')

VideoType = ['mp4', 'flv', 'webm', 'wmv', 'ts']
PicType = ['jpg', 'png', 'bmp', 'jpeg']  

video_path = baseDirPath + '\\01\\movie'
face_pic_dir = baseDirPath + '\\01\\pic'
  
if not os.path.exists(face_pic_dir):
  os.makedirs(face_pic_dir)

###########################################################
#读含中文/韩文/日文等特殊字符路径的图片
def cv_imread(in_path):
  im = cv2.imdecode(np.fromfile(in_path, dtype=np.uint8),-1)
  return im
  
#路径中有中文名 cv2写
def cv_imwrite(out_path, imp_np):
  imp_type = '.' + out_path.split('.')[-1]
  cv2.imencode(imp_type, imp_np)[1].tofile(out_path)
############################################################

###############################################
#1.pic--face   图片人脸识别
def getFaceFromPic(vin_path, vout_dir):
  src = cv_imread(vin_path)
  pic_name = vin_path.split('\\')[-1].split('.')[0]
  result = module.face_detection(data = {'data':[src]})
  for i in range(len(result[0]['data'])):
    if result[0]['data'][i]['confidence'] > 0.9:
      left = result[0]['data'][i]['left']
      top = result[0]['data'][i]['top']
      right = result[0]['data'][i]['right']
      bottom = result[0]['data'][i]['bottom']
      
      img = src[top:bottom, left:right]
      pic_o = vout_dir + f'\\{pic_name}-{i:02d}.png'
      cv_imwrite(pic_o, img)

#2.video -- face  视频帧提取后人脸识别
def getFaceFromVideo(vin_path, vout_dir):
  print('processing---',vin_path)
  cap = cv2.VideoCapture(vin_path)
  video_fullname = os.path.basename(vin_path)
  video_name = video_fullname.split('.')[0]
  
  total_frame = cap.get(7)
  video_fps = cap.get(5)
  
  cap_frames = []
  d_t = 10       #每10s取1帧pic
  d_i = 1        #计数
  
  if (video_fps < 15) or (total_frame < (30 * video_fps)):  #帧率小于15或时长小于30s跳过
    return 
  
  while True:
    if d_i * d_t * video_fps > total_frame:   #超过总时长则退出
      break
    
    cap_frames = cap_frames + [int(d_i * d_t * video_fps)]
    d_i += 1
    
  if len(cap_frames) > 0:
    pic_num = 0
    for cap_frame in cap_frames:
      pic_dir = vout_dir + '\\pic_cache\\' + video_name
      if not os.path.exists(pic_dir):
        os.makedirs(pic_dir)
      #pic_path = pic_dir + '\\' + video_name + f'-{pic_num:05d}.png'
      cap.set(cv2.CAP_PROP_POS_FRAMES, cap_frame)
      r_val, v_frame = cap.read()
      if r_val:
        #cv_imwrite(pic_path, v_frame)
        result = module.face_detection(data = {'data':[v_frame]})
        
        for i in range(len(result[0]['data'])):
          if result[0]['data'][i]['confidence'] > 0.9:
            left = result[0]['data'][i]['left']
            top = result[0]['data'][i]['top']
            right = result[0]['data'][i]['right']
            bottom = result[0]['data'][i]['bottom']
            img_crop = v_frame[top:bottom, left:right]
            dst_path = vout_dir + '\\' + f'{video_name}_{pic_num:05d}_{i:02d}.png' 
            cv_imwrite(dst_path, img_crop)
      pic_num += 1

if __name__ == '__main__':
  root = tk.Tk()
  root.geometry('1080x540')

  #文件夹
  src_path = tk.StringVar()
  src_path.set(r'D:\Python')

  def dragged_src(files):
    msg = '\n'.join((item.decode('gbk') for item in files))
    src_path.set(msg)
    
  def bt_get_face():
    src_paths = src_path.get()
    file_list = []
    if os.path.isfile(src_paths):
      file_list = [src_paths]
    elif os.path.isdir(src_paths):
      for root, dirs, files in os.walk(src_paths):
        for file in files:
          file_list += [os.path.join(root, file)]
    print(file_list)
    
    for file_path in file_list:
      file_type = file_path.split('.')[-1]
      if file_type.lower() in VideoType:
        getFaceFromVideo(file_path, face_pic_dir)
      if file_type.lower() in PicType:
        getFaceFromPic(file_path, face_pic_dir)
    print('-------------finish------------')


  #############界 面 绘 制##########################
  face_fm = tk.LabelFrame(root, text='文件名处理', padx= 2, pady = 2)
  face_fm.pack(fill = 'x')
  
  label_src_dir = tk.Label(face_fm, text = '图片文件夹', padx= 2, pady = 2)
  label_src_dir.pack(side='left')
  
  et_src_path = tk.Entry(face_fm, width = 40, textvariable = src_path)
  et_src_path.pack(side='left', padx = 2,pady = 2)

  windnd.hook_dropfiles(et_src_path , func = dragged_src)
  
  bt_sfd1 = tk.Button(face_fm, text='处理', width = 6, command = bt_get_face)
  bt_sfd1.pack(side ='left',padx = 2)

  root.mainloop()

源码:https://download.csdn.net/download/mjc1321/89070532

  • 7
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
要用 Python 编写一个批量识别照片内容(包括人脸分类)的功能,可以使用以下步骤: 1.导入必要的库和模块,如 OpenCV、Pillow、face_recognition 等,以实现图像处理和人脸识别的功能。 2.使用 Python 的 os 库读取指定文件夹中的所有图片文件,并循环处理每个图片文件。 3.使用 Pillow 库打开图片文件,并使用 OpenCV 进行图像处理,如图像缩放、灰度转换、边缘检测等。 4.使用 face_recognition 库进行人脸识别,可以识别出照片中的人脸位置、特征点和面部表情等信息。 5.将识别结果保存到文件或数据库中,可以使用 Python 的 CSV 或 JSON 库进行数据处理和存储。 下面是一个简单的 Python 代码示例: ``` import os import cv2 import face_recognition from PIL import Image # 读取指定目录下的所有图片文件 image_dir = 'path/to/image/folder' image_files = [f for f in os.listdir(image_dir) if f.endswith('.jpg')] # 循环处理每个图片文件 for file in image_files: # 打开图片文件 image = Image.open(os.path.join(image_dir, file)) # 将 PIL 图像转换为 OpenCV 图像 cv_image = cv2.cvtColor(np.array(image), cv2.COLOR_RGB2BGR) # 缩放图像大小 cv_image = cv2.resize(cv_image, (320, 240)) # 转换为灰度图像 gray_image = cv2.cvtColor(cv_image, cv2.COLOR_BGR2GRAY) # 进行人脸检测和识别 face_locations = face_recognition.face_locations(gray_image) face_encodings = face_recognition.face_encodings(gray_image, face_locations) # 输出识别结果 print('Image file:', file) print('Number of faces:', len(face_locations)) for i, face_location in enumerate(face_locations): top, right, bottom, left = face_location print('Face', i+1, 'Location:', (left, top, right, bottom)) print('---------------------------------------') ``` 其中,`face_recognition` 库是一个基于深度学习的人脸识别库,可以进行人脸检测、特征点定位、面部表情识别等功能。在上面的代码中,我们将图片文件转换为 OpenCV 图像,并将其缩放为指定大小。然后,我们将图像转换为灰度图像,并使用 `face_recognition` 库进行人脸检测和识别。最后,我们输出识别结果,包括图像文件名、人脸数量和人脸位置等信息。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值