基于OpenCV-Python的树莓派人脸识别及89C52单片机控制系统设计
（指定照片进行识别）
前言
参照之前的文章所改进 增加视频随时标注功能
blog.csdn.net/weixin_53403301/article/details/118005313
blog.csdn.net/weixin_53403301/article/details/117464715
资源：
download.csdn.net/download/weixin_53403301/66919590
新增功能链接
blog.csdn.net/weixin_53403301/article/details/119422635
基于OpenCV的Python人脸识别、检测、框选（遍历目录下所有照片依次识别 视频随时标注）
最新功能：（遍历目录下所有图像进行识别）
blog.csdn.net/weixin_53403301/article/details/119422635
展示
先上几个图：
代码
直接上代码：
# -*- coding: utf-8 -*-
"""
Created on Mon May 31 23:39:19 2021
@author: ZHOU
"""
# -*- coding: utf-8 -*-
import tkinter as tk # 调用窗口tk
from tkinter import ttk
from tkinter.filedialog import *
import tkinter.messagebox
from PIL import Image, ImageTk # 调用图像处理库pillow
import api_face # 调用本地函数库 用于登入外部机器学习库并调用人脸识别函数
import cv2 # 调用OpenCV图像处理库
import threading # 调用threading多线程运行库
import time # 调用系统时间戳库
import RPi.GPIO as GPIO # 调用树梅派的Python环境GPIO口库
import matplotlib.pyplot as plt # 调用matplotlib绘图库
plt.rcParams['font.sans-serif'] = ['simhei'] # 载入字体
#print('请输入需录入的人脸图片路径/文件名：')
#pic_name=input()
#GPIO口预设 程序开始 23 24为高电平
GPIO.setwarnings(False)
GPIO.setmode(GPIO.BCM) # 设置BCM模式
# GPIO.setup(25, GPIO.OUT) # 设置GPIO25为输出
# GPIO.output(25, GPIO.LOW)
GPIO.setup(23, GPIO.OUT) # 设置23为输出
GPIO.output(23, GPIO.HIGH) # 设置为高电平
GPIO.setup(24, GPIO.OUT)
GPIO.output(24, GPIO.HIGH)
# GPIO.cleanup() # 清空GPIO口配置
#定义录入人脸后树梅派GPIO口的输出 全为高电平
def LED_S():
GPIO.setwarnings(False)
GPIO.setmode(GPIO.BCM)
# GPIO.setup(25, GPIO.OUT)
# GPIO.output(25, GPIO.HIGH)
GPIO.setup(23, GPIO.OUT)
GPIO.output(23, GPIO.HIGH)
GPIO.setup(24, GPIO.OUT)
GPIO.output(24, GPIO.HIGH)
#定义成功时的输出 23低电平 24高电平 [24:23]=10
def LED_T():
GPIO.setwarnings(False)
GPIO.setmode(GPIO.BCM)
# GPIO.setup(25, GPIO.OUT)
GPIO.setup(23, GPIO.OUT)
GPIO.output(23, GPIO.LOW)
GPIO.setup(24, GPIO.OUT)
GPIO.output(24, GPIO.HIGH)
# time.sleep(3)
# for i in range(0, 3):
# GPIO.output(25, GPIO.HIGH)
# time.sleep(0.5)
# GPIO.output(25, GPIO.LOW)
# time.sleep(0.5)
LED_S() # 重新恢复为开始状态
#定义失败时的输出 23高电平 24低电平 [24:23]=01
def LED_F():
GPIO.setwarnings(False)
GPIO.setmode(GPIO.BCM)
# GPIO.setup(25, GPIO.OUT)
GPIO.setup(23, GPIO.OUT)
GPIO.output(23, GPIO.HIGH)
GPIO.setup(24, GPIO.OUT)
GPIO.output(24, GPIO.LOW)
# time.sleep(3)
# for i in range(0, 15):
# GPIO.output(25, GPIO.HIGH)
# time.sleep(0.1)
# GPIO.output(25, GPIO.LOW)
# time.sleep(0.1)
LED_S() # 重新恢复为开始状态
# 利用matplotlib显示图片函数
def pshow(words,picture):
plt.imshow(picture[:,:,::-1]) # 将读取的图片以RGB转换为BGR
plt.title(words), plt.xticks([]), plt.yticks([])
plt.show() # 显示图片
class Login(ttk.Frame): # 定义窗口大类
def __init__(self, win):
ttk.Frame.__init__(self, win)
frame0 = ttk.Frame(self)
frame1 = ttk.Frame(self)
win.title("人脸识别")
win.minsize(1020, 620)
self.center_window() # 执行中置窗口函数
self.thread_run = None # 赋值 线程1默认关闭
self.thread_run2 = None # 线程2默认关闭
self.camera = None # 摄像头默认关闭
#定义tk窗口属性
#self.pilImage = Image.open("img/start.png")
#self.tkImage = ImageTk.PhotoImage(image=self.pilImage)
#self.image_ctl = tk.Label(frame0, image=self.tkImage)
#self.image_ctl.pack()
frame0.pack(side=TOP, fill=tk.Y, expand=1)
frame1.pack(side=TOP, fill=tk.Y, expand=1)
self.facer = ttk.Label(frame1, text='', font=('Times', '20')) # 字体
self.facer.pack()
def filefound(): # 定义获取图片路径的函数
filepath= askopenfilename() # 获取文件路径
pic_name=filepath
self.pic_path2 = pic_name # 赋值给图像2
pic_img=cv2.imread(self.pic_path2)
#cv2.imshow('所选人像图片',pic_img)
#pshow('所选人像图片',pic_img) # 显示所选图片
pic_xz = pic_img.shape # 计算图像大小
pic_h=pic_xz[0] # 得出图片高度
pic_w=pic_xz[1] # 得出图片宽度
turn_w=pic_w*500/pic_h # 限制最大高度为500 以防窗口过小不完全显示 等比例转换宽度
turn_w=int(turn_w)
print('人像图像大小（高 宽）：',pic_h,pic_w)
print ('路径：',filepath)
# 在tk窗口中显示所选图片
self.pilImage = Image.open(self.pic_path2)
self.photo = self.pilImage.resize((turn_w,500)) # 限制最大高度为500 等比缩放显示
self.tkImage = ImageTk.PhotoImage(image=self.photo)
self.image_ctl = tk.Label(frame0, image=self.tkImage)
self.image_ctl.pack()
LED_S() # GPIO口开始函数
#e.delete(0, END) # 将输入框里面的内容清空
#e.insert(0, filepath)
#button2=Button(frame1,text="button2",command=filefound).grid(row=0,column=3)
# 按钮1 调用filefound函数 获取选择图片的路径 并赋值给self.pic_path2 输出图像
self.face_button1 = ttk.Button(frame1, text="1. 选择人像图片", width=15, command=filefound)
self.face_button1.pack(side=TOP)
# 按钮2 调用摄像头函数
self.url_face_button = ttk.Button(frame1, text="2. 使用相机识别", width=15, command=self.cv_face)
self.url_face_button.pack(side=TOP)
#self.file_pic_button = ttk.Button(frame1, text="本地文件识别", width=15, command=self.file_pic)
#self.file_pic_button.pack(side=TOP)
self.pack(fill=tk.BOTH, expand=tk.YES, padx="10", pady="10")
#使弹出的窗体处于屏幕的中间位置
def center_window(self):
screenwidth = log.winfo_screenwidth() # 获取屏幕分辨率宽
screenheight = log.winfo_screenheight() # 获取屏幕分辨率高
log.update() # 更新窗口
width = log.winfo_width() # 重新赋值
height = log.winfo_height()
size = '+%d+%d' % ((screenwidth - width)/2, (screenheight - height)/2)
# 重新赋值大小 大小为屏幕大小/2
log.geometry(size) # 以新大小定义窗口
# def file1(self):
# self.pic_path = askopenfilename(title="选择识别图片", filetypes=[("jpg图片", "*.jpg"), ("png图片", "*.png")])
def cv_face(self): # 调用摄像头函数
if self.thread_run:
if self.camera.isOpened(): # 如果已经打开则关闭
self.camera.release()
print("关闭摄像头")
self.camera = None
self.thread_run = False
return
if self.camera is None: # 如果没有摄像头则尝试打开
self.camera = cv2.VideoCapture(1) # 利用OpenCV调用外摄像头
if not self.camera.isOpened(): # 如果没有打开 则调用内摄像头
self.camera = None
print("没有外置摄像头")
self.camera = cv2.VideoCapture(0) # 用OpenCV调用内摄像头
if not self.camera.isOpened(): # 如果没有打开 则打开失败
print("没有内置摄像头")
tkinter.messagebox.showinfo('警告', '摄像头打开失败！')
self.camera = None
return
else:
print("打开内置摄像头")
else:
print("打开外置摄像头")
self.thread = threading.Thread(target=self.video_thread) # 多线程函数执行摄像头运行函数
self.thread.setDaemon(True)
self.thread.start()
self.thread_run = True
def video_thread(self): # 开始摄像头运行
self.thread_run = True # 多线程1开启
self.thread2 = threading.Thread(target=self.video_pic)
self.thread2.setDaemon(True)
self.thread2.start()
self.thread_run2 = True
while self.thread_run: # 循环一直调用摄像头
_, img_bgr = self.camera.read() # 以bgr格式读取摄像头内的截图
gray = cv2.cvtColor(img_bgr,cv2.COLOR_BGR2GRAY) # 灰度转换
# 在CV官方机器学习库内加载人脸识别分类器
# Python\Python38-32\Lib\site-packages\cv2\data 这个目录下也有
classifier = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
color = (0,255,0) # 绿色线
# 识别器进行识别
faceRects = classifier.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=3,minSize=(32, 32))
# 识别器返回一个列表, 里面是每个识别出的人脸的区域, 左上和右下定点的坐标
# print(faceRects) #[[113 42 60 60]] 前两个值是左上定点的xy坐标,第三个是width 宽度对应y的变化, 另一个就是x的
# 判断识别结果集合长度
if len(faceRects):
for faceRect in faceRects:
x,y,w,h = faceRect
# 用矩形框选出人脸 最后一个参数2是框线宽度
cv2.rectangle(img_bgr,(x, y), (x + h, y + w), color, 2)
img = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) # 颜色转换
im = Image.fromarray(img)
w, h = im.size
pil_image_resized = self.resize(w, h, im) # 调整大小函数
self.imgtk = ImageTk.PhotoImage(image=pil_image_resized)
self.image_ctl.configure(image=self.imgtk)
print("结束运行")
def video_pic(self): # 视频截图保存及框选函数
self.thread_run2 = True # 开启多线程
predict_time = time.time() # 获得系统时间
while self.thread_run2: # 循环读取
if time.time() - predict_time > 2: #每2s读取一次摄像头截图
print("正在识别中")
_, img_bgr = self.camera.read() # 读取摄像头图像
cv2.imwrite("tmp/test.jpg", img_bgr) #利用cv写入到tmp/test.jpg路径下
test_pic=cv2.imread('tmp/test.jpg') # 重新读取截图
#pshow('识别截图',test_pic) # 显示截图
# 图像路径 我用的相对路径
face_mark = 'tmp/test.jpg'
# 读取截图
faceImg = cv2.imread(face_mark)
# 转换灰色
gray = cv2.cvtColor(faceImg,cv2.COLOR_RGB2GRAY) # 由于tmp/test.jpg路径下的已经转换成RGB保存 所以不用再进行BGR转换
# 在CV官方机器学习库内加载人脸识别分类器
# Python\Python38-32\Lib\site-packages\cv2\data 这个目录下也有
classifier = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
color = (0,255,0) # 绿色线
# 识别器进行识别
faceRects = classifier.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=3,minSize=(32, 32))
# 识别器返回一个列表, 里面是每个识别出的人脸的区域, 左上和右下定点的坐标
# print(faceRects) #[[113 42 60 60]] 前两个值是左上定点的xy坐标,第三个是width 宽度对应y的变化, 另一个就是x的
# 判断识别结果集合长度
if len(faceRects):
for faceRect in faceRects:
x,y,w,h = faceRect
# 用矩形框选出人脸 最后一个参数2是框线宽度
cv2.rectangle(faceImg,(x, y), (x + h, y + w), color, 2)
#pshow('识别结果',faceImg) # 输出框选结果图像并显示
cv2.imwrite("tmp/test2.jpg", faceImg)
self.pic_path = "tmp/test.jpg" # 重新读取摄像头截图
# self.pilImage = Image.open(self.pic_path)
# self.tkImage = ImageTk.PhotoImage(image=self.pilImage)
# self.image_ctl = tk.Label(frame0, image=self.tkImage)
# self.image_ctl.pack()
try:
self.file_pic() #执行识别函数
except:
pass
predict_time = time.time() # 读取时间
print("识别结束")
# 看门狗程序（调试用）
# 防止程序关闭时进入死循环跑飞
#print('请输入任意值以继续，否则请关闭窗口以终止程序：')
#a=input()
#print(a)
pass
def file_pic(self): #识别函数
# self.pic_path2在按钮1中被赋值 self.pic_path为调用摄像头的图像
facestr, result = api_face.facef(self.pic_path, self.pic_path2) # 调用api_face库的人脸识别函数
self.facer.configure(text=str(facestr))
#self.pic() # 对摄像头图像进行尺度变换
if result > 80: #识别结果大于80
LED_T() # GPIO口成功函数
tkinter.messagebox.showinfo('提示', '人脸匹配成功！') # tk窗口提示
print('人像图片路径：'+self.pic_path2) # 输出人像文件路径
try:
f=open("识别记录.txt","r")
fi=open("识别记录.txt","a")
txt=time.ctime()
fi.write(txt+' 人像图片路径： '+self.pic_path2+" 人脸匹配成功！ \n")
f.close()
fi.close() # 将识别成功的记录保存在txt文件下
except:
f=open("识别记录.txt","w")
txt=time.ctime()
f.write(txt+' 人像图片路径： '+self.pic_path2+" 人脸匹配成功！ \n")
f.close()
# close_window()
# os.system("python3 ./main.py")
#if result < 20:
# tkinter.messagebox.showinfo('提示', '未检测到人脸！')
else: # 小于80失败
LED_F() # GPIO口失败函数
tkinter.messagebox.showinfo('提示', '人脸匹配失败！')
# def pic(self): # 对摄像头图像进行尺度变换
# self.pilImage3 = Image.open(self.pic_path) # 用pillow读取摄像头图像
# w, h = self.pilImage3.size # 计算大小赋值给宽 高
# pil_image_resized = self.resize(w, h, self.pilImage3) # 调整大小函数
# self.tkImage3 = ImageTk.PhotoImage(image=pil_image_resized)
# self.image_ctl.configure(image=self.tkImage3) # 输出结果
def resize(self, w, h, pil_image): # 调整大小函数
w_box = 1000 # 定义最大宽度
h_box = 500 # 最大高度
f1 = 1.0*w_box/w # 最大值/真实值
f2 = 1.0*h_box/h
factor = min([f1, f2]) # 取最小值
width = int(w*factor) # 用最小值*对应值 调整到最大定义值 等比调整另一个值
height = int(h*factor)
return pil_image.resize((width, height), Image.ANTIALIAS) # 输出调整
def close_window():
print("已关闭人脸识别")
if Login.thread_run:
Login.thread_run = False
Login.thread.join(2.0)
log.destroy()
if __name__ == '__main__':
log = tk.Tk()
login = Login(log)
# close,退出输出destroy
log.protocol('清除窗口', close_window)
# 进入消息循环
log.mainloop()
若API出错 则改为
'ID': '15050553',
'API_KEY': 'rlRrtRL5oRdXGh71jgg1OmyN',
'SECRET_KEY': 'dK5TpuTAZn2nw5eVpspZLmF5Qs1Uu8A1'
# -*- coding: utf-8 -*-
"""
Created on Mon May 31 23:40:16 2021
@author: ZHOU
"""
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import requests # 调用 requests的HTTP协议库
import os # 调用os多操作系统接口库
import base64 # 调用base64编码库
import json # 调用JavaScript Object Notation数据交换格式
ACCESS_TOKEN = ''
BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__))) #去掉文件名,返回目录
# ID,KEY的配置信息
INFO_CONFIG = {
'ID': '15788358',
'API_KEY': 'ohtGa5yYoQEZ8Try8lnL99UK',
'SECRET_KEY': 'qaDjyuXkf5MZ28g5C8pwFngDZenhswC3'
}
# URL配置
URL_LIST_URL = {
# ACCESS_TOKEN_URL用于获取ACCESS_TOKEN, POST请求,
# grant_type必须参数,固定为client_credentials,client_id必须参数,应用的API Key,client_secre 必须参数,应用的Secret Key.
'ACCESS_TOKEN_URL': 'https://aip.baidubce.com/oauth/2.0/token?' + 'grant_type=client_credentials&client_id={API_KEYS}&client_secret={SECRET_KEYS}&'.format(
API_KEYS=INFO_CONFIG['API_KEY'], SECRET_KEYS=INFO_CONFIG['SECRET_KEY']),
# 登入人脸识别机器学习库
'FACE_PLATE': 'https://aip.baidubce.com/rest/2.0/face/v3/match',
}
class AccessTokenSuper(object):
pass
class AccessToken(AccessTokenSuper): # 定义登陆API大类
def getToken(self):
accessToken = requests.post(url=URL_LIST_URL['ACCESS_TOKEN_URL']) #登入网址
accessTokenJson = accessToken.json()
if dict(accessTokenJson).get('error') == 'invalid_client':
return '获取accesstoken错误，请检查API_KEY，SECRET_KEY是否正确！'
return accessTokenJson
ACCESS_TOKEN = AccessToken().getToken()['access_token']
LICENSE_PLATE_URL = URL_LIST_URL['FACE_PLATE'] + '?access_token={}'.format(ACCESS_TOKEN)
class faceSuper(object):
pass
class face(faceSuper): # 定义图像输入大类
def __init__(self, image=None, image2=None): # 定义初始化函数
self.HEADER = {
'Content-Type': 'application/json; charset=UTF-8',
}
if image is not None: # 没有图像1
imagepath = os.path.exists(image)
if imagepath == True:
images = image
with open(images, 'rb') as images:
img1 = base64.b64encode(images.read())
else:
print("图像1不存在")
return
if image2 is not None: # 没有图像2
imagepath2 = os.path.exists(image2)
if imagepath2 == True:
images2 = image2
with open(images2, 'rb') as images2:
img2 = base64.b64encode(images2.read())
else:
print("图像2不存在")
return
self.img = img1
self.imgs = img2
self.IMAGE_CONFIG1 = {"image": str(img1, 'utf-8'), "image_type": "BASE64"}
self.IMAGE_CONFIG2 = {"image": str(img2, 'utf-8'), "image_type": "BASE64"}
self.IMAGE_CONFIG = json.dumps([self.IMAGE_CONFIG1, self.IMAGE_CONFIG2])
def postface(self): # 定义从服务器进行数据获取函数
if (self.img==None and self.imgs==None):
return '图像不存在'
face = requests.post(url=LICENSE_PLATE_URL, headers=self.HEADER, data=self.IMAGE_CONFIG)
# 登陆服务器获取数据
return face.json() # 输出结果
def facef(FA1, FA2): # 人脸识别逻辑函数
testAccessToken = AccessToken() # 获取API配置
testface = face(image=FA1, image2=FA2) # 赋值给图像输入大类
result_json = testface.postface() # 从服务器获取数据
result = result_json['result']['score'] #输出结果
print('人脸相似度：', result)
if result > 80: # 识别结果大于80则成功
print("人脸匹配成功！")
# if result < 20:
# print("未检测到人脸！")
else:
print("人脸匹配失败！")
return '人脸相似度：' + str(result), result # 输出字符串结果
单片机部分：
#include <reg52.h>
#define uint unsigned int
#define uchar unsigned char
void delay(uint ms) //ÑÓʱ
{
uint i,j;
for(i=ms;i>0;i--)
for(j=110;j>0;j--);
}
void main(void)
{
EA=1; //×ÜÖжϿªÆô
EX0=1; //ÍⲿÖжÏ1ÔÊÐí
IT0=1; //ÖжÏ1 ϽµÑØ´¥·¢
EX1=1;
IT1=1;
P0=0xff;
delay(50000);
}
void exter0()interrupt 0 //ÍⲿÖжÏ0
{
P0=0x6d; //ÏÔʾS successful
delay(3000);
P0=0xff;
}
void exter1()interrupt 2 //ÍⲿÖжÏ1
{
P0=0x71; // ÏÔʾF failure
delay(3000);
P0=0xff;
}
改进版：对目录下所有照片进行依次比对识别：
# -*- coding: utf-8 -*-
"""
Created on Mon May 31 23:39:19 2021
@author: ZHOU
"""
# -*- coding: utf-8 -*-
import tkinter as tk # 调用窗口tk
from tkinter import ttk
from tkinter.filedialog import *
import tkinter.messagebox
from PIL import Image, ImageTk # 调用图像处理库pillow
import api_face # 调用本地函数库 用于登入外部机器学习库并调用人脸识别函数
import cv2 # 调用OpenCV图像处理库
import threading # 调用threading多线程运行库
import time # 调用系统时间戳库
import RPi.GPIO as GPIO # 调用树梅派的Python环境GPIO口库
import matplotlib.pyplot as plt # 调用matplotlib绘图库
plt.rcParams['font.sans-serif'] = ['simhei'] # 载入字体
#print('请输入需录入的人脸图片路径/文件名：')
#pic_name=input()
#GPIO口预设 程序开始 23 24 25为低电平
GPIO.setwarnings(False)
GPIO.setmode(GPIO.BCM) # 设置BCM模式
# GPIO.setup(25, GPIO.OUT) # 设置GPIO25为输出
# GPIO.output(25, GPIO.LOW)
GPIO.setup(23, GPIO.OUT)
GPIO.output(23, GPIO.HIGH)
GPIO.setup(24, GPIO.OUT)
GPIO.output(24, GPIO.HIGH)
# GPIO.cleanup() # 清空GPIO口配置
#定义开始识别后树梅派GPIO口的输出 全为高电平
def LED_S():
GPIO.setwarnings(False)
GPIO.setmode(GPIO.BCM)
# GPIO.setup(25, GPIO.OUT)
# GPIO.output(25, GPIO.HIGH)
GPIO.setup(23, GPIO.OUT)
GPIO.output(23, GPIO.HIGH)
GPIO.setup(24, GPIO.OUT)
GPIO.output(24, GPIO.HIGH)
#定义成功时的输出 25输出周期为1的频闪 3s后结束 23高电平 24低电平 [24:23]=0x1
def LED_T():
GPIO.setwarnings(False)
GPIO.setmode(GPIO.BCM)
# GPIO.setup(25, GPIO.OUT)
GPIO.setup(23, GPIO.OUT)
GPIO.output(23, GPIO.LOW)
GPIO.setup(24, GPIO.OUT)
GPIO.output(24, GPIO.HIGH)
# time.sleep(3)
# for i in range(0, 3):
# GPIO.output(25, GPIO.HIGH)
# time.sleep(0.5)
# GPIO.output(25, GPIO.LOW)
# time.sleep(0.5)
LED_S()
#定义失败时的输出 25输出周期为0.2的频闪 3s后结束 23低电平 24高电平 [24:23]=0x2
def LED_F():
GPIO.setwarnings(False)
GPIO.setmode(GPIO.BCM)
# GPIO.setup(25, GPIO.OUT)
GPIO.setup(23, GPIO.OUT)
GPIO.output(23, GPIO.HIGH)
GPIO.setup(24, GPIO.OUT)
GPIO.output(24, GPIO.LOW)
# time.sleep(3)
# for i in range(0, 15):
# GPIO.output(25, GPIO.HIGH)
# time.sleep(0.1)
# GPIO.output(25, GPIO.LOW)
# time.sleep(0.1)
LED_S()
# 利用matplotlib显示图片函数
def pshow(words,picture):
plt.imshow(picture[:,:,::-1]) # 将读取的图片以RGB转换为BGR
plt.title(words), plt.xticks([]), plt.yticks([])
plt.show() # 显示图片
class Login(ttk.Frame): # 定义窗口大类
def __init__(self, win):
ttk.Frame.__init__(self, win)
frame0 = ttk.Frame(self)
frame1 = ttk.Frame(self)
win.title("人脸识别")
win.minsize(1240, 620)
self.center_window() # 执行中置窗口函数
self.thread_run = None # 赋值 线程1默认关闭
self.thread_run2 = None # 线程2默认关闭
self.camera = None # 摄像头默认关闭
#定义tk窗口属性
#self.pilImage = Image.open("img/start.png")
#self.tkImage = ImageTk.PhotoImage(image=self.pilImage)
#self.image_ctl = tk.Label(frame0, image=self.tkImage)
#self.image_ctl.pack()
frame0.pack(side=TOP, fill=tk.Y, expand=1)
frame1.pack(side=TOP, fill=tk.Y, expand=1)
self.facer = ttk.Label(frame1, text='', font=('Times', '20')) # 字体
self.facer.pack()
# def filefound(): # 定义获取图片路径的函数
# filepath= askopenfilename() # 获取文件路径
# pic_name=filepath
# self.pic_path2 = pic_name # 赋值给图像2
#
# pshow('所选人像图片',pic_img) # 显示所选图片
self.pic_path3='./star.png'
# pic_img=cv2.imread(self.pic_path3)
# pic_xz = pic_img.shape # 计算图像大小
# pic_h=pic_xz[0] # 得出图片高度
# pic_w=pic_xz[1] # 得出图片宽度
# turn_w=pic_w*500/pic_h # 限制最大高度为580 以防窗口过小不完全显示 等比例转换宽度
# turn_w=int(turn_w)
# print('人像图像大小（高 宽）：',pic_h,pic_w)
# print ('路径：',filepath)
# # 在tk窗口中显示所选图片
self.pilImage = Image.open(self.pic_path3)
self.photo = self.pilImage.resize((500,500)) # 限制最大高度为580 等比缩放显示
self.tkImage = ImageTk.PhotoImage(image=self.photo)
self.image_ctl = tk.Label(frame0, image=self.tkImage)
self.image_ctl.pack()
# #e.delete(0, END) # 将输入框里面的内容清空
# #e.insert(0, filepath)
#
# #button2=Button(frame1,text="button2",command=filefound).grid(row=0,column=3)
# # 按钮1 调用filefound函数 获取选择图片的路径 并赋值给self.pic_path2 输出图像
# self.face_button1 = ttk.Button(frame1, text="1. 选择人像图片", width=15, command=filefound)
# self.face_button1.pack(side=TOP)
# 按钮2 调用摄像头函数
self.url_face_button = ttk.Button(frame1, text="使用相机识别", width=15, command=self.cv_face)
self.url_face_button.pack(side=TOP)
#self.file_pic_button = ttk.Button(frame1, text="本地文件识别", width=15, command=self.file_pic)
#self.file_pic_button.pack(side=TOP)
self.pack(fill=tk.BOTH, expand=tk.YES, padx="10", pady="10")
#使弹出的窗体处于屏幕的中间位置
def center_window(self):
screenwidth = log.winfo_screenwidth() # 获取屏幕分辨率宽
screenheight = log.winfo_screenheight() # 获取屏幕分辨率高
log.update() # 更新窗口
width = log.winfo_width() # 重新赋值
height = log.winfo_height()
size = '+%d+%d' % ((screenwidth - width)/2, (screenheight - height)/2)
# 重新赋值大小 大小为屏幕大小/2
log.geometry(size) # 以新大小定义窗口
# def file1(self):
# self.pic_path = askopenfilename(title="选择识别图片", filetypes=[("jpg图片", "*.jpg"), ("png图片", "*.png")])
def cv_face(self): # 调用摄像头函数
LED_S()
if self.thread_run:
if self.camera.isOpened(): # 如果已经打开则关闭
self.camera.release()
print("关闭摄像头")
self.camera = None
self.thread_run = False
return
if self.camera is None: # 如果没有摄像头则尝试打开
self.camera = cv2.VideoCapture(1) # 利用OpenCV调用外摄像头
if not self.camera.isOpened(): # 如果没有打开 则调用内摄像头
self.camera = None
print("没有外置摄像头")
self.camera = cv2.VideoCapture(0) # 用OpenCV调用内摄像头
if not self.camera.isOpened(): # 如果没有打开 则打开失败
print("没有内置摄像头")
tkinter.messagebox.showinfo('警告', '摄像头打开失败！')
self.camera = None
return
else:
print("打开内置摄像头")
else:
print("打开外置摄像头")
self.thread = threading.Thread(target=self.video_thread) # 多线程函数执行摄像头运行函数
self.thread.setDaemon(True)
self.thread.start()
self.thread_run = True
def video_thread(self): # 开始摄像头运行
self.thread_run = True # 多线程1开启
self.thread2 = threading.Thread(target=self.video_pic)
self.thread2.setDaemon(True)
self.thread2.start()
self.thread_run2 = True
while self.thread_run: # 循环一直调用摄像头
_, img_bgr = self.camera.read() # 以bgr格式读取摄像头内的截图
gray = cv2.cvtColor(img_bgr,cv2.COLOR_BGR2GRAY) # 灰度转换
# 在CV官方机器学习库内加载人脸识别分类器
# Python\Python38-32\Lib\site-packages\cv2\data 这个目录下也有
classifier = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
color = (0,255,0) # 绿色线
# 识别器进行识别
faceRects = classifier.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=3,minSize=(32, 32))
# 识别器返回一个列表, 里面是每个识别出的人脸的区域, 左上和右下定点的坐标
# print(faceRects) #[[113 42 60 60]] 前两个值是左上定点的xy坐标,第三个是width 宽度对应y的变化, 另一个就是x的
# 判断识别结果集合长度
if len(faceRects):
for faceRect in faceRects:
x,y,w,h = faceRect
# 用矩形框选出人脸 最后一个参数2是框线宽度
cv2.rectangle(img_bgr,(x, y), (x + h, y + w), color, 2)
img = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) # 颜色转换
im = Image.fromarray(img)
w, h = im.size
pil_image_resized = self.resize(w, h, im) # 调整大小函数
self.imgtk = ImageTk.PhotoImage(image=pil_image_resized)
self.image_ctl.configure(image=self.imgtk)
print("结束运行")
def video_pic(self): # 视频截图保存及框选函数
dir_name='./img' # 给出图片目录路径
fileimg_list = [] # 建立列表型图片列表
fileimg_list=os.listdir(dir_name) # 获取目录下文件名
file_num=len(fileimg_list) # 获取列表长度
fileimg_num=0 # 定义文件序号初始值为0
self.thread_run2 = True # 开启多线程
predict_time = time.time() # 获得系统时间
while self.thread_run2: # 循环读取
if time.time() - predict_time > 0.1: #每0.1s读取一次摄像头截图
print("正在识别中")
_, img_bgr = self.camera.read() # 重新读取摄像头图像
cv2.imwrite("tmp/test.jpg", img_bgr) #利用cv写入到tmp/test.jpg路径下
# test_pic=cv2.imread('tmp/test.jpg') # 重新读取截图
# pshow('识别截图',test_pic) # 显示截图
#
# # 图像路径 我用的相对路径
# face_mark = 'tmp/test.jpg'
# # 读取截图
# faceImg = cv2.imread(face_mark)
# # 转换灰色
# gray = cv2.cvtColor(faceImg,cv2.COLOR_RGB2GRAY) # 由于tmp/test.jpg路径下的已经转换成RGB保存 所以不用再进行BGR转换
#
# # 在CV官方机器学习库内加载人脸识别分类器
# # Python\Python38-32\Lib\site-packages\cv2\data 这个目录下也有
# classifier = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# color = (0,255,0) # 绿色线
#
# # 识别器进行识别
# faceRects = classifier.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=3,minSize=(32, 32))
# # 识别器返回一个列表, 里面是每个识别出的人脸的区域, 左上和右下定点的坐标
# # print(faceRects) #[[113 42 60 60]] 前两个值是左上定点的xy坐标,第三个是width 宽度对应y的变化, 另一个就是x的
#
# # 判断识别结果集合长度
# if len(faceRects):
# for faceRect in faceRects:
# x,y,w,h = faceRect
# # 用矩形框选出人脸 最后一个参数2是框线宽度
# cv2.rectangle(faceImg,(x, y), (x + h, y + w), color, 2)
#
#
# pshow('识别结果',faceImg) # 输出框选结果图像并显示
# cv2.imwrite("tmp/test2.jpg", faceImg)
self.pic_path = "tmp/test.jpg" # 重新读取摄像头截图
# self.pilImage = Image.open(self.pic_path)
# self.tkImage = ImageTk.PhotoImage(image=self.pilImage)
# self.image_ctl = tk.Label(frame0, image=self.tkImage)
# self.image_ctl.pack()
try:
if fileimg_num<file_num: #当文件序号小于总列表长度时
#print(fileimg_num)
#img=cv2.imread(dir_name + '/' + fileimg_list[fileimg_num])
#pshow(fileimg_list[fileimg_num],img)
self.pic_path2 = dir_name + '/' + fileimg_list[fileimg_num] # 给出pic_path2的值为目录名+/+文件名
#print(self.pic_path2)
# self.pic_path2='./img/111.jpg'
facestr, result = api_face.facef(self.pic_path, self.pic_path2) # 调用api_face库的人脸识别函数
self.facer.configure(text=str(facestr))
#self.pic() # 对摄像头图像进行尺度变换
if result > 80: #识别结果大于80
LED_T() # 执行LED成功函数
tkinter.messagebox.showinfo('提示', '人脸匹配成功！') # tk窗口提示
print('人像图片文件名：'+fileimg_list[fileimg_num]) # 输出人像文件文件名
try:
f=open("识别记录.txt","r")
fi=open("识别记录.txt","a")
txt=time.ctime()
fi.write(txt+' 人像图片路径： '+fileimg_list[fileimg_num]+" 人脸匹配成功！ \n")
f.close()
fi.close() # 将识别成功的记录保存在txt文件下
except:
f=open("识别记录.txt","w")
txt=time.ctime()
f.write(txt+' 人像图片路径： '+fileimg_list[fileimg_num]+" 人脸匹配成功！ \n")
f.close()
# close_window()
# os.system("python3 ./main.py")
#if result < 20:
# tkinter.messagebox.showinfo('提示', '未检测到人脸！')
break
else: # 小于80失败
fileimg_num=fileimg_num+1 # 文件序号+1
else: # 超出文件列表长度
LED_F() # 执行LED失败函数
tkinter.messagebox.showinfo('提示', '人脸匹配失败！')
break
except:
pass
predict_time = time.time() # 读取时间
print("识别结束")
# 看门狗程序（调试用）
# 防止程序关闭时进入死循环跑飞
#print('请输入任意值以继续，否则请关闭窗口以终止程序：')
#a=input()
#print(a)
pass
# def file_pic(self): #识别函数
# dir_name='./img'
# fileimg_list = []
# fileimg_list=os.listdir(dir_name)
# file_num=len(fileimg_list)
# fileimg_num=0
# while True:
# if fileimg_num<file_num:
# print(fileimg_num)
# img=cv2.imread(dir_name + '/' + fileimg_list[fileimg_num])
# pshow(fileimg_list[fileimg_num],img)
# self.pic_path2 = dir_name + '/' + fileimg_list[fileimg_num]
# print(self.pic_path2)
## self.pic_path2='./img/111.jpg'
# facestr, result = api_face.facef(self.pic_path, self.pic_path2) # 调用api_face库的人脸识别函数
# self.facer.configure(text=str(facestr))
# #self.pic() # 对摄像头图像进行尺度变换
# if result > 80: #识别结果大于80
# tkinter.messagebox.showinfo('提示', '人脸匹配成功！') # tk窗口提示
# print('人像图片路径：'+self.pic_path2) # 输出人像文件路径
# try:
# f=open("识别记录.txt","r")
# fi=open("识别记录.txt","a")
# txt=time.ctime()
# fi.write(txt+' 人像图片路径： '+self.pic_path2+" 人脸匹配成功！ \n")
# f.close()
# fi.close() # 将识别成功的记录保存在txt文件下
# except:
# f=open("识别记录.txt","w")
# txt=time.ctime()
# f.write(txt+' 人像图片路径： '+self.pic_path2+" 人脸匹配成功！ \n")
# f.close()
#
#
#
# # close_window()
# # os.system("python3 ./main.py")
# #if result < 20:
# # tkinter.messagebox.showinfo('提示', '未检测到人脸！')
# break
# else: # 小于80失败
# fileimg_num=fileimg_num+1
#
#
# else:
# tkinter.messagebox.showinfo('提示', '人脸匹配失败！')
# break
# def pic(self): # 对摄像头图像进行尺度变换
# self.pilImage3 = Image.open(self.pic_path) # 用pillow读取摄像头图像
# w, h = self.pilImage3.size # 计算大小赋值给宽 高
# pil_image_resized = self.resize(w, h, self.pilImage3) # 调整大小函数
# self.tkImage3 = ImageTk.PhotoImage(image=pil_image_resized)
# self.image_ctl.configure(image=self.tkImage3) # 输出结果
def resize(self, w, h, pil_image): # 调整大小函数
w_box = 1000 # 定义最大宽度
h_box = 500 # 最大高度
f1 = 1.0*w_box/w # 最大值/真实值
f2 = 1.0*h_box/h
factor = min([f1, f2]) # 取最小值
width = int(w*factor) # 用最小值*对应值 调整到最大定义值 等比调整另一个值
height = int(h*factor)
return pil_image.resize((width, height), Image.ANTIALIAS) # 输出调整
def close_window():
print("已关闭人脸识别")
if Login.thread_run:
Login.thread_run = False
Login.thread.join(2.0)
log.destroy()
if __name__ == '__main__':
log = tk.Tk()
login = Login(log)
# close,退出输出destroy
log.protocol('清除窗口', close_window)
# 进入消息循环
log.mainloop()
参考
blog.csdn.net/weixin_53403301/article/details/119422635
附录：列表的赋值类型和py打包
列表赋值
BUG复现
闲来无事写了个小程序 代码如下：
# -*- coding: utf-8 -*-
"""
Created on Fri Nov 19 19:47:01 2021
@author: 16016
"""
a_list = ['0','1','2','3','4','5','6','7','8','9','10','11','12','13','14','15']
#print(len(a_list))
#b_list = ['','','','','','','','','','','','','','','','']
c_list = [[],[],[],[],[],[],[],[],[],[],[],[],[],[],[],[]]
#for i in range(16):
if len(a_list):
for j in range(16):
a_list[j]=str(a_list[j])+'_'+str(j)
print("序号:",j)
print('a_list:\n',a_list)
c_list[j]=a_list
print('c_list[0]:\n',c_list[0])
print('\n')
# b_list[j]=a_list[7],a_list[8]
# print(b_list[j])
# 写入到Excel：
#print(c_list,'\n')
我在程序中 做了一个16次的for循环 把列表a的每个值后面依次加上"_"和循环序号
比如循环第x次 就是把第x位加上_x 这一位变成x_x 我在输出测试中 列表a的每一次输出也是对的
循环16次后列表a应该变成[‘0_0’, ‘1_1’, ‘2_2’, ‘3_3’, ‘4_4’, ‘5_5’, ‘6_6’, ‘7_7’, ‘8_8’, ‘9_9’, ‘10_10’, ‘11_11’, ‘12_12’, ‘13_13’, ‘14_14’, ‘15_15’] 这也是对的
同时 我将每一次循环时列表a的值 写入到空列表c中 比如第x次循环 就是把更改以后的列表a的值 写入到列表c的第x位
第0次循环后 c[0]的值应该是[‘0_0’, ‘1’, ‘2’, ‘3’, ‘4’, ‘5’, ‘6’, ‘7’, ‘8’, ‘9’, ‘10’, ‘11’, ‘12’, ‘13’, ‘14’, ‘15’] 这也是对的
但是在第1次循环以后 c[0]的值就一直在变 变成了c[x]的值
相当于把c_list[0]变成了c_list[1]…以此类推 最后得出的列表c的值也是每一项完全一样
我不明白这是怎么回事
我的c[0]只在第0次循环时被赋值了 但是后面它的值跟着在改变
如图：
第一次老出bug 赋值以后 每次循环都改变c[0]的值 搞了半天都没搞出来
无论是用appen函数添加 还是用二维数组定义 或者增加第三个空数组来过渡 都无法解决
代码改进
后来在我华科同学的指导下 突然想到赋值可以赋的是个地址 地址里面的值一直变化 导致赋值也一直变化 于是用第二张图的循环套循环深度复制实现了
代码如下：
# -*- coding: utf-8 -*-
"""
Created on Fri Nov 19 19:47:01 2021
@author: 16016
"""
a_list = ['0','1','2','3','4','5','6','7','8','9','10','11','12','13','14','15']
#print(len(a_list))
#b_list = ['','','','','','','','','','','','','','','','']
c_list = [[],[],[],[],[],[],[],[],[],[],[],[],[],[],[],[]]
#for i in range(16):
if len(a_list):
for j in range(16):
a_list[j]=str(a_list[j])+'_'+str(j)
print("序号:",j)
print('a_list:\n',a_list)
for i in range(16):
c_list[j].append(a_list[i])
print('c_list[0]:\n',c_list[0])
print('\n')
# b_list[j]=a_list[7],a_list[8]
# print(b_list[j])
# 写入到Excel：
print(c_list,'\n')
解决了问题
优化
第三次是请教了老师 用copy函数来赋真值
代码如下：
# -*- coding: utf-8 -*-
"""
Created on Fri Nov 19 19:47:01 2021
@author: 16016
"""
a_list = ['0','1','2','3','4','5','6','7','8','9','10','11','12','13','14','15']
#print(len(a_list))
#b_list = ['','','','','','','','','','','','','','','','']
c_list = [[],[],[],[],[],[],[],[],[],[],[],[],[],[],[],[]]
#for i in range(16):
if len(a_list):
for j in range(16):
a_list[j]=str(a_list[j])+'_'+str(j)
print("序号:",j)
print('a_list:\n',a_list)
c_list[j]=a_list.copy()
print('c_list[0]:\n',c_list[0])
print('\n')
# b_list[j]=a_list[7],a_list[8]
# print(b_list[j])
# 写入到Excel：
#print(c_list,'\n')
同样能解决问题
最后得出问题 就是指针惹的祸！
a_list指向的是个地址 而不是值 a_list[i]指向的才是单个的值 copy()函数也是复制值而不是地址
如果这个用C语言来写 就直观一些了 难怪C语言是基础 光学Python不学C 遇到这样的问题就解决不了
C语言yyds Python是什么垃圾弱智语言
总结
由于Python无法单独定义一个值为指针或者独立的值 所以只能用列表来传送
只要赋值是指向一个列表整体的 那么就是指向的一个指针内存地址 解决方法只有一个 那就是将每个值深度复制赋值（子列表内的元素提取出来重新依次连接） 或者用copy函数单独赋值
如图测试：
部分代码：
# -*- coding: utf-8 -*-
"""
Created on Sat Nov 20 16:45:48 2021
@author: 16016
"""
def text1():
A=[1,2,3]
B=[[],[],[]]
for i in range(len(A)):
A[i]=A[i]+i
B[i]=A
print(B)
def text2():
A=[1,2,3]
B=[[],[],[]]
A[0]=A[0]+0
B[0]=A
print(B)
A[1]=A[1]+1
B[1]=A
print(B)
A[2]=A[2]+2
B[2]=A
print(B)
if __name__ == '__main__':
text1()
print('\n')
text2()
py打包
Pyinstaller打包exe（包括打包资源文件 绝不出错版）
依赖包及其对应的版本号
PyQt5 5.10.1
PyQt5-Qt5 5.15.2
PyQt5-sip 12.9.0
pyinstaller 4.5.1
pyinstaller-hooks-contrib 2021.3
Pyinstaller -F setup.py 打包exe
Pyinstaller -F -w setup.py 不带控制台的打包
Pyinstaller -F -i xx.ico setup.py 打包指定exe图标打包
打包exe参数说明：
-F：打包后只生成单个exe格式文件；
-D：默认选项，创建一个目录，包含exe文件以及大量依赖文件；
-c：默认选项，使用控制台(就是类似cmd的黑框)；
-w：不使用控制台；
-p：添加搜索路径，让其找到对应的库；
-i：改变生成程序的icon图标。
如果要打包资源文件
则需要对代码中的路径进行转换处理
另外要注意的是 如果要打包资源文件 则py程序里面的路径要从./xxx/yy换成xxx/yy 并且进行路径转换
但如果不打包资源文件的话 最好路径还是用作./xxx/yy 并且不进行路径转换
def get_resource_path(relative_path):
if hasattr(sys, '_MEIPASS'):
return os.path.join(sys._MEIPASS, relative_path)
return os.path.join(os.path.abspath("."), relative_path)
而后再spec文件中的datas部分加入目录
如：
a = Analysis(['cxk.py'],
pathex=['D:\\Python Test\\cxk'],
binaries=[],
datas=[('root','root')],
hiddenimports=[],
hookspath=[],
hooksconfig={},
runtime_hooks=[],
excludes=[],
win_no_prefer_redirects=False,
win_private_assemblies=False,
cipher=block_cipher,
noarchive=False)
而后直接Pyinstaller -F setup.spec即可
如果打包的文件过大则更改spec文件中的excludes 把不需要的库写进去（但是已经在环境中安装了的）就行
这些不要了的库在上一次编译时的shell里面输出
比如：
然后用pyinstaller --clean -F 某某.spec
573
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
