python学习笔记——opencv人脸识别，打卡机器

import dlib
import face_recognition
import numpy as np
import cv2
##加载图片
imgElon = face_recognition.load_image_file('ImagesBasic/elon-musk-4.jpg')
##将图片转换成RGB格式
imgElon = cv2.cvtColor(imgElon,cv2.COLOR_BGR2RGB)
##加载图片
imgTest = face_recognition.load_image_file('ImagesBasic/elon test.jpg')
##将图片转换成RGB格式
imgTest = cv2.cvtColor(imgTest,cv2.COLOR_BGR2RGB)
##检测到脸部,它返回一个由四元组组成的列表，每个四元组表示一个人脸的位置，分别对应于人脸框的左上角和右下角的坐标。
# 具体来说，四元组的四个元素分别是：(top, right, bottom, left)
faceLoc = face_recognition.face_locations(imgElon)[0]
#对面部信息进行编码，用于将人脸图像编码为一个128维的向量。这个向量可以用于比较两张人脸图像的相似度，从而实现人脸识别等功能。
encodeElon = face_recognition.face_encodings(imgElon)[0]

#print(faceLoc)
#第一个值为面对的位置，第二个点为两点的面部位置
cv2.rectangle(imgElon,(faceLoc[3],faceLoc[0]),(faceLoc[1],faceLoc[2]),(255,0,255),2)

faceLocTest = face_recognition.face_locations(imgTest)[0]
#对面部信息进行编码
encodeTest = face_recognition.face_encodings(imgTest)[0]
#print(faceLoc)
#第一个值为面对的位置，第二个点为两点的面部位置
#cv2.rectangle(image, start_point, end_point, color, thickness)

# 其中，image是要绘制矩形的图像，start_point是矩形的左上角坐标，end_point是矩形的右下角坐标，color是矩形的颜色，thickness是矩形边框的粗细。
cv2.rectangle(imgTest,(faceLocTest[3],faceLocTest[0]),(faceLocTest[1],faceLocTest[2]),(255,0,255),2)
#编码训练集和测试集
results = face_recognition.compare_faces([encodeElon],encodeTest)

#人脸距离，距离越短，匹配越好
faceDis = face_recognition.face_distance([encodeElon],encodeTest)
print(results,faceDis)
#在图片上打印结果
cv2.putText(imgTest,f'{results} {round(faceDis[0],2)}',(50,50),cv2.FONT_HERSHEY_COMPLEX,1,(0,0,255),2)

##命名
cv2.imshow('Elon Musk',imgElon)
cv2.imshow('Elon Test',imgTest)
##设置延迟
cv2.waitKey(0)

这段代码来自于B站的openCV项目实战视频合集，跟着视频敲了一遍代码，并对语句进行了注释，仅用于学习笔记的记录。

描述：利用openCV框架，比对图片库里的图片。调用摄像头，比对图片库里的图片，并在Excel中记录出现的时间，实现刷脸打卡的功能。

import dlib
import face_recognition
import numpy as np
import cv2
import os
from datetime import datetime
##创建一个列表，自动读取数据，并编号
path = 'ImagesBasic'
path_file = 'Attendence.csv'
os.chmod(path_file,0o755)
images = []
classNames = []
myList = os.listdir(path)
print(myList)
##导入图片并使用这些图片的名称
for cl in myList:
    ##cv2.imread()接口读图像，读进来直接是BGR 格式数据格式在 0~255
    curImg = cv2.imread(f'{path}/{cl}')
    ##append函数可以向列表末尾添加元素
    images.append(curImg)
    classNames.append(os.path.splitext(cl)[0])
print(classNames)
##对每一张图片进行编码

def findEncodings(images):
    encedeList= []
    for img in images:
        #2、cv2.cvtColor(p1,p2) 是颜色空间转换函数，p1是需要转换的图片，p2是转换成何种格式。
    # cv2.COLOR_BGR2RGB 将BGR格式转换成RGB格式
        img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        '''face_recognition.face_encodings是Python中的一个人脸识别库，它可以用于将人脸图像编码为128维向量。
        这个库使用深度学习模型来识别人脸，并且可以在不同的图像中识别同一个人的面部特征。
        face_recognition.face_encodings函数接受一个图像作为输入，并返回一个包含一个或多个人脸编码的列表。
        每个编码都是一个长度为128的向量，可以用于比较两个人脸是否相似。
        '''
        encede = face_recognition.face_encodings(img)[0]
        encedeList.append(encede)
    return encedeList

def marakAttendance(name):
    # with open 是 Python 中用于打开文件的一种语法结构，它可以自动管理文件的打开和关闭，避免了手动打开和关闭文件时可能出现的错误。
    #r是以只读模式打开文件
    #r+是以读写的方式打开文件
    with open('Attendence.csv','r+') as f:
        myDataList = f.readlines()
        # print(myDataList)
        #一张一张列出图片
        nameList=[]
        for line in myDataList:
            entry = line.split(',')
            '''
            line.split() 是 Python 中字符串对象的一个方法，
            它可以将一个字符串按照指定的分隔符进行分割，并返回一个由分割后的子字符串组成的列表。
            默认情况下，分隔符是空格符，但是也可以通过传递参数来指定其他的分隔符。
            '''
            nameList.append(entry[0])
        if name not in nameList:
            now = datetime.now()
            '''
            now.strftime() 是 Python 中 datetime 模块中的一个方法，
            用于将日期时间对象格式化为字符串。它接受一个格式化字符串作为参数，该字符串包含特定的格式代码，
            用于指定日期时间对象的输出格式。例如，“%Y-%m-%d %H:%M:%S” 表示年-月-日 时:分:秒的格式。
            '''
            dtString = now.strftime('%H:%M:%S')
            f.writelines(f'\n{name}.{dtString}')

#查找和编码图像
encodeListKnown = findEncodings(images)
print(len(encodeListKnown))
print('Encoding complete')
##从初始化摄像头中捕获一张图片
cap = cv2.VideoCapture(0)
#编写循环，逐贞筛选图片
while True:
    sucess, img =cap.read()
    imgS= cv2.resize(img,(0,0),None,0.25,0.25)
    facesCurFrame = face_recognition.face_locations(imgS)
    ##发送人脸的位置
    encodeCurFrame = face_recognition.face_encodings(imgS,facesCurFrame)
    #将摄像头里的图像与学习的图片进行比较
    #使用zip是将所有的图片在同一个循环中进行
    for encodeFace, faceLoc in zip(encodeCurFrame,facesCurFrame):
        matches = face_recognition.compare_faces(encodeListKnown,encodeFace)
        faceDis = face_recognition.face_distance(encodeListKnown,encodeFace)
        print(faceDis)
        ##距离值越小，相似性越高。
        matchIndex = np.argmin(faceDis)

        if matches[matchIndex]:
            name = classNames[matchIndex].upper()
            print(name)
            y1, x2, y2, x1=faceLoc
            y1,x2,y2,x1 = y1*4,x2*4,y2*4,x1*4
            # 其中，image是要绘制矩形的图像，
            # start_point是矩形的左上角坐标，end_point是矩形的右下角坐标，color是矩形的颜色，thickness是矩形边框的粗细。
            cv2.rectangle(img,(x1,y1),(x2,y2),(0,255.2),2)
            cv2.rectangle(img,(x1,y2-35),(x2,y2),(0,255,0),cv2.FILLED)
            cv2.putText(img,name,(x1+6,y2-6),cv2.FONT_HERSHEY_COMPLEX,1,(255,255,255),2)
            marakAttendance(name)


    cv2.imshow('webcam',img)
    cv2.waitKey(1)






# ##加载图片
# imgElon = face_recognition.load_image_file('ImagesBasic/elon-musk-4.jpg')
# ##将图片转换成RGB格式
# imgElon = cv2.cvtColor(imgElon,cv2.COLOR_BGR2RGB)
# ##加载图片
# imgTest = face_recognition.load_image_file('ImagesBasic/elon test.jpg')
# ##将图片转换成RGB格式
# imgTest = cv2.cvtColor(imgTest,cv2.COLOR_BGR2RGB)