人脸特征提取与识别脚本

python语言
功能：
1、读取将第三方传入视频
2、提取人脸
3、将人脸与图片数据库进行对比
4、获取人物信息，
5、将人物信息以ymal格式递给另一接口

这个脚本会使用 OpenCV 进行视频处理和人脸检测，使用face_recognition库进行人脸特征提取和对比，最后使用PyYAML库将人物信息以 YAML 格式传递给另一个接口。

安装依赖库
在运行脚本之前，需要安装以下库：

pip install opencv-python face_recognition pyyaml requests

脚本代码

import cv2
import face_recognition
import yaml
import requests
import os

函数：从图片数据库中加载人脸编码和对应的人物信息

def load_face_database(database_path):
    known_face_encodings = []
    known_face_names = []
    for filename in os.listdir(database_path):
        if filename.endswith(('.png', '.jpg', '.jpeg')):
            image_path = os.path.join(database_path, filename)
            image = face_recognition.load_image_file(image_path)
            face_encodings = face_recognition.face_encodings(image)
            if len(face_encodings) > 0:
                face_encoding = face_encodings[0]
                known_face_encodings.append(face_encoding)
                # 假设文件名就是人物姓名
                name = os.path.splitext(filename)[0]
                known_face_names.append(name)
    return known_face_encodings, known_face_names

函数：处理视频并进行人脸对比

def process_video(video_path, database_path, api_url):
    # 加载人脸数据库
    known_face_encodings, known_face_names = load_face_database(database_path)

    # 打开视频文件
    cap = cv2.VideoCapture(video_path)

    detected_names = []
    while cap.isOpened():
        ret, frame = cap.read()
        if not ret:
            break

        # 将BGR颜色空间转换为RGB颜色空间（face_recognition库使用RGB）
        rgb_frame = frame[:, :, ::-1]

        # 检测当前帧中的人脸位置和编码
        face_locations = face_recognition.face_locations(rgb_frame)
        face_encodings = face_recognition.face_encodings(rgb_frame, face_locations)

        for face_encoding in face_encodings:
            # 对比人脸编码
            matches = face_recognition.compare_faces(known_face_encodings, face_encoding)
            name = "Unknown"

            # 如果有匹配的人脸
            if True in matches:
                first_match_index = matches.index(True)
                name = known_face_names[first_match_index]
                if name not in detected_names:
                    detected_names.append(name)

    # 释放视频捕获对象
    cap.release()

    # 将人物信息转换为YAML格式
    data = {'detected_names': detected_names}
    yaml_data = yaml.dump(data)

    # 将YAML数据发送到另一个接口
    headers = {'Content-Type': 'application/x-yaml'}
    response = requests.post(api_url, data=yaml_data, headers=headers)

    if response.status_code == 200:
        print("人物信息已成功发送到接口。")
    else:
        print(f"发送信息到接口时出错，状态码: {response.status_code}")

    return detected_names

主程序

if __name__ == "__main__":
    video_path = "your_video.mp4"  # 第三方传入的视频文件路径
    database_path = "your_database_folder"  # 图片数据库文件夹路径
    api_url = "http://example.com/api"  # 接收YAML数据的接口URL

    detected_names = process_video(video_path, database_path, api_url)
    print("检测到的人物姓名:", detected_names)

代码说明
1、加载人脸数据库：load_face_database函数会遍历指定文件夹中的所有图片文件，提取每张图片中的人脸编码，并将其存储在known_face_encodings列表中，同时将对应的人物姓名（假设为文件名）存储在known_face_names列表中。
2、处理视频：process_video函数会打开指定的视频文件，逐帧读取视频，检测每一帧中的人脸位置和编码，并将其与已知的人脸编码进行对比。如果有匹配的人脸，则记录对应的人物姓名。
3、将人物信息转换为 YAML 格式：使用PyYAML库将检测到的人物姓名列表转换为 YAML 格式的字符串。
发送 YAML 数据到另一个接口：使用requests库将 YAML 数据发送到指定的接口。
4、注意事项
请将video_path、database_path和api_url替换为实际的视频文件路径、图片数据库文件夹路径和接收 YAML 数据的接口 URL。
图片数据库中的图片文件名应包含人物姓名，脚本会将文件名作为人物姓名。
确保接收 YAML 数据的接口能够正确处理application/x-yaml类型的请求。