PyTorch人脸识别+Flask连接数据库

cout颜如舜华

已于 2022-05-26 12:50:09 修改

阅读量1.3k

点赞数 3

文章标签： flask python 深度学习计算机视觉前端

于 2022-05-26 12:23:21 首次发布

本文链接：https://blog.csdn.net/weixin_45849494/article/details/124982347

版权

PyTorch人脸识别+Flask连接数据库

文章目录

PyTorch人脸识别+Flask连接数据库
前言
一、flask是什么？
二、实验过程
总结

前言

本文介绍了人脸识别的几种基本使用方法，并使用flask框架进行展示。
实验要求：
1.实现一个Flask网页连接数据库将单词表打印在网页中。
2.再实现一个Flask网页将人脸识别的内容放入到网页中，具体来说需要包含以下内容:
①匹配还是不匹配
②原图
③人脸对齐人脸识别后的识别结果图
④人脸的特征向量

提示：以下是本篇文章正文内容，下面案例可供参考

一、flask是什么？

flask是⼀款⾮常流⾏的轻量级 Python Web应⽤框架。
Web应⽤框架：⽤于进⾏Web开发的⼀套软件架构，提供了⼀套开发和部署⽹站的⽅式
⻚⾯：以HTML的形式发送到浏览器中
发送HTML到浏览器的应⽤：Web应⽤

二、实验过程

1.连接数据库并查询需要的数据

代码如下（示例）：

# 导⼊pymysql模块
import pymysql
# 连接database，这部分改成自己的数据库
conn = pymysql.connect(
    host="localhost",#数据库的链接，一般都是localhost，可以打开自己的mysql查一下
    port=3306,#端口号
    user="root",password="123456",#用户名和密码
    database="flask2022",#使用的数据库
    charset="utf8")
# 得到⼀个可以执⾏SQL语句的光标对象
cursor = conn.cursor()
# 执⾏完毕返回的结果集默认以元组显示
# 得到⼀个可以执⾏SQL语句并且将结果作为字典返回的游标
#cursor = conn.cursor(cursor=pymysql.cursors.DictCursor)
# 定义要执⾏的SQL语句
# 查询全部
sql1 = "select * from map_enword"
# 按条件查询
sql = "SELECT * FROM course WHERE cid > %d" % (1)
  # 异常处理
try:
    cursor.execute(sql1)
    results = cursor.fetchall()
    print(results)
except:
    conn.rollback()
# 关闭光标对象
cursor.close()
# 关闭数据库连接
conn.close()

运行结果：注意是以元组的形式返回数据库里的
执行结果

2.人脸识别

上一篇博客介绍了几种常见的人脸识别方法，详见：
python人脸识别
本文介绍一种新的方法，使用mtcnn进行人脸识别，可以读取两张图片获得它们的特征向量，并匹配是不是同一人。
代码如下（示例）：

import cv2
import torch
from facenet_pytorch import *

device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
def load_known_faces(dstImgPath, mtcnn, resnet):
    aligned = []
    knownImg = cv2.imread(dstImgPath) # 读取图片
    face = mtcnn(knownImg) # 使用mtcnn检测人脸，返回【人脸数组】
    if face is not None:
        aligned.append(face[0])
    aligned = torch.stack(aligned).to(device)
    with torch.no_grad():
        known_faces_emb = resnet(aligned).detach().cpu() # 使用resnet模型获取人脸对应的特征向量
    return known_faces_emb, knownImg
def match_faces(faces_emb, known_faces_emb, threshold):
    isExistDst = False
    distance = (known_faces_emb[0] - faces_emb[0]).norm().item()
    if(distance < threshold):
        isExistDst = True
    return isExistDst


if __name__ == '__main__':
 
    # mtcnn模型加载【设置网络参数，进行人脸检测】
    mtcnn = MTCNN(min_face_size=12, thresholds=[0.2, 0.2, 0.3],
    keep_all=True, device=device)
    # InceptionResnetV1模型加载【用于获取人脸特征向量】
    resnet = InceptionResnetV1(pretrained='vggface2').eval().to(device)
    MatchThreshold = 0.8 # 人脸特征向量匹配阈值设置
    # 注意图片路径
    known_faces_emb, _ = load_known_faces('lyf.jpg',
    mtcnn, resnet) # 已知人物图
    faces_emb, img = load_known_faces('lyf2.jpg', mtcnn,
    resnet) # 待检测人物图
    isExistDst = match_faces(faces_emb, known_faces_emb, MatchThreshold)
    # 人脸匹配
    if isExistDst:
        boxes, prob, landmarks = mtcnn.detect(img, landmarks=True) # 返
        print('匹配')
    else:
        print('不匹配')

输入：
lyf.jpg

lyf2.jpg

运行结果：

3.使用flask进行展示

3.1 路由函数

我们将上述的运行结果在flask里进行展示，首先是写路由。将1和2中的部分代码放在路由函数里进行展示。
main.py

from flask import Flask, render_template
app = Flask(__name__) # 初始化Flask实例
import pymysql
from getface import *
import cv2
import torch
from facenet_pytorch import *

@app.route('/') # 路由
def hello_world(): # 视图函数
    return 'hello world'
# 理解路由
@app.route('/user')
def hello_user():
    return 'hello user'

@app.route('/word')
def word():
    conn = pymysql.connect(
        host="localhost",
        port=3306,
        user="root", password="123456",
        database="flask2022",
        charset="utf8")
    # 得到⼀个可以执⾏SQL语句的光标对象
    cursor = conn.cursor()
    # 执⾏完毕返回的结果集默认以元组显示
    # 得到⼀个可以执⾏SQL语句并且将结果作为字典返回的游标
    # cursor = conn.cursor(cursor=pymysql.cursors.DictCursor)
    # 定义要执⾏的SQL语句 #创建数据表
    # 显示全部
    sql1 = "select * from map_enword"
    try:
        cursor.execute(sql1)
        results = cursor.fetchall()
        results = list(results)
    except:
        conn.rollback()
    # 关闭光标对象
    cursor.close()
    # 关闭数据库连接
    conn.close()
    return render_template('words.html',result=results)#将result结果传入模板

@app.route('/face')
def face():
    device = torch.device('cuda:0' if torch.cuda.is_available() else
                    'cpu')
    # mtcnn模型加载【设置网络参数，进行人脸检测】
    mtcnn = MTCNN(min_face_size=12, thresholds=[0.2, 0.2, 0.3],
                  keep_all=True, device=device)
    # InceptionResnetV1模型加载【用于获取人脸特征向量】
    resnet = InceptionResnetV1(pretrained='vggface2').eval().to(device)
    MatchThreshold = 0.8  # 人脸特征向量匹配阈值设置
    # 注意图片路径
    known_faces_emb, _ = load_known_faces('static/zgr1.jpeg',
                                          mtcnn, resnet)  # 已知人物图
    faces_emb, img = load_known_faces('static/zgr2.jpeg', mtcnn,
                                      resnet)  # 待检测人物图
    isExistDst = match_faces(faces_emb, known_faces_emb, MatchThreshold)
    # 人脸匹配
    if isExistDst:
        boxes, prob, landmarks = mtcnn.detect(img, landmarks=True)
        mm='匹配'
    else:
        mm='不匹配'
    return render_template('face.html', feature1=known_faces_emb,feature2=faces_emb,match_result=mm)#将需要展示的数据传入模板
if __name__ == '__main__':
    print("yes") # 控制台输出
    app.run(debug=True)

3.2使用模板

我们写两个Html文件分布展示单词表和人脸识别结果。

face.html
python人脸识别介绍了人脸识别和人脸对齐的过程，本文不再赘述，直接将其结果保存下来进行展示。

<!DOCTYPE html>

<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>
    <h1>已知人物图</h1>
    <h3>原图</h3>
    <img src="../static/zgr1.jpeg">
    <h3>人脸对齐</h3>
    <img src="../static/zgr1_fp.jpg">
    <h3>人脸识别</h3>
    <img src="../static/zgr1_fr.jpg">
    <h3>人脸的特征向量</h3>
    {{feature1}}
    <h1>待检测人物图</h1>
    <h3>原图</h3>
    <img src="../static/zgr2.jpeg">
    <h3>人脸对齐</h3>
    <img src="../static/zgr2_fp.jpg">
    <h3>人脸识别</h3>
    <img src="../static/zgr2_fr.jpg">
    <h3>人脸的特征向量</h3>
    {{feature2}}
    <h1>匹配结果</h1>
    {{match_result}}
</body>
</html>

return render_template(‘face.html’, feature1=known_faces_emb,feature2=faces_emb,match_result=mm)#将需要展示的数据传入模板
注意{{}}内是从路由函数传来的参数

2.words.html

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>
    <h1>单词表</h1>
    {% for r in result %}
        {{r}}<br>
    {% endfor %}
</body>
</html>