import numpy as np  # 数据处理的库 Numpy

import cv2          # 图像处理的库 OpenCv

import os

import shutil

import _thread

import wx

import csv

from importlib import reload

from skimage import io as iio

import face_recognize_punchcard

import sys

# 创建 cv2 摄像头对象

#    C++: VideoCapture::VideoCapture(int device);

#API:http://www.opencv.org.cn/opencvdoc/2.3.2/html/modules/highgui/doc/reading_and_writing_images_and_video.html#videocapture

# 保存

path_make_dir = "data/face_img_database/"

path_feature_all = "data/feature_all.csv"

info = 'icon/info.png'

#register ui

class   RegisterUi(wx.Frame):

def __init__(self,superion):

wx.Frame.__init__(self,parent=superion,title="人脸录入",size=(800,590),style=wx.DEFAULT_FRAME_STYLE|wx.STAY_ON_TOP)

self.SetBackgroundColour('white')

self.Center()

self.NewButton =  wx.Button(parent=self,pos=(50,120),size=(80,50),label='新建录入')

self.ShortCutButton = wx.Button(parent=self,pos=(50,220),size=(80,50),label='截图保存')

self.SaveButton =  wx.Button(parent=self,pos=(50,320),size=(80,50),label='完成录入')

# 封面图片

self.image_info = wx.Image(info, wx.BITMAP_TYPE_ANY).Scale(600, 480)

# 显示图片

self.bmp = wx.StaticBitmap(parent=self, pos=(180,20), bitmap=wx.Bitmap(self.image_info))

self.Bind(wx.EVT_BUTTON,self.OnShortCutButtonClicked,self.ShortCutButton)

self.Bind(wx.EVT_BUTTON,self.OnNewButtonClicked,self.NewButton)

self.ShortCutButton.Enable(enable=False)

self.SaveButton.Enable(False)

self.Bind(wx.EVT_BUTTON,self.OnSaveButtonClicked,self.SaveButton)

self.sc_number = 0

self.register_flag = 0

self.name = ""

def OnNewButtonClicked(self, event):

while self.name == '':

self.name = wx.GetTextFromUser(message="请先输入录入者的姓名,用于创建姓名文件夹", caption="温馨提示",

default_value="", parent=None)

# 监测是否重名

for exsit_name in (os.listdir(path_make_dir)):

if self.name == exsit_name:

wx.MessageBox(message="姓名已存在,请重新输入", caption="警告")

self.name = ''

break

os.makedirs(path_make_dir+self.name)

print("新建的人脸文件夹: ", path_make_dir+self.name)

self.NewButton.Enable(enable=False)

self.ShortCutButton.Enable(enable=True)

"""使用多线程,子线程运行后台的程序,主线程更新前台的UI,这样不会互相影响"""

# 创建子线程,按钮调用这个方法,

_thread.start_new_thread(self._open_cap, (event,))

def OnShortCutButtonClicked(self,event):

self.SaveButton.Enable(True)

if len(self.rects) !=0:

# 计算矩形框大小,保证同步

height = self.rects[0].bottom() - self.rects[0].top()

width = self.rects[0].right() - self.rects[0].left()

self.sc_number += 1

im_blank = np.zeros((height, width, 3), np.uint8)

for ii in range(height):

for jj in range(width):

im_blank[ii][jj] = self.im_rd[self.rects[0].top() + ii][self.rects[0].left() + jj]

cv2.imencode('.jpg', im_blank)[1].tofile(path_make_dir+self.name + "/img_face_" + str(self.sc_number) + ".jpg") #正确方法

print("写入本地:", str(path_make_dir+self.name) + "/img_face_" + str(self.sc_number) + ".jpg")

else:

print("未检测到人脸,识别无效,未写入本地")

def OnSaveButtonClicked(self,event):

self.bmp.SetBitmap(wx.Bitmap(self.image_info))

self.NewButton.Enable(True)

self.SaveButton.Enable(False)

self.ShortCutButton.Enable(False)

# 释放摄像头

self.cap.release()

# 删除建立的窗口

#cv2.destroyAllWindows()

if self.register_flag == 1:

if os.path.exists(path_make_dir+self.name):

shutil.rmtree(path_make_dir+self.name)

print("重复录入,已删除姓名文件夹", path_make_dir+self.name)

if self.sc_number == 0 and len(self.name)>0:

if os.path.exists(path_make_dir+self.name):

shutil.rmtree(path_make_dir+self.name)

print("您未保存截图,已删除姓名文件夹", path_make_dir+self.name)

if self.register_flag==0 and self.sc_number!=0:

pics = os.listdir(path_make_dir+self.name)

feature_list = []

feature_average = []

for i in range(len(pics)):

pic_path = path_make_dir+self.name + "/" + pics[i]

print("正在读的人脸图像:", pic_path)

img = iio.imread(pic_path)

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

dets = face_recognize_punchcard.detector(img_gray, 1)

if len(dets) != 0:

shape = face_recognize_punchcard.predictor(img_gray, dets[0])

face_descriptor = face_recognize_punchcard.facerec.compute_face_descriptor(img_gray, shape)

feature_list.append(face_descriptor)

else:

face_descriptor = 0

print("未在照片中识别到人脸")

if len(feature_list)>0:

for j in range(128):

feature_average.append(0)

for i in range(len(feature_list)):

feature_average[j] += feature_list[i][j]

feature_average[j] = (feature_average[j])/len(feature_list)

feature_average.append(self.name)

with open(path_feature_all, "a+", newline="") as csvfile:

writer = csv.writer(csvfile)

print('写入一条特征人脸入库',feature_average)

writer.writerow(feature_average)

self.name = ""

self.register_flag = 0

self.sc_number = 0;

def _open_cap(self,event):

reload(face_recognize_punchcard)

urlc = 'http://192.168.137.119:8081/'

self.cap = cv2.VideoCapture(urlc)

# cap.set(propId, value)

# 设置视频参数,propId 设置的视频参数,value 设置的参数值

self.cap.set(3, 480)

#self.cap.set(cv2.CAP_PROP_FPS,5)

while self.cap.isOpened():

# cap.read()

# 返回两个值:

#    一个布尔值 true/false,用来判断读取视频是否成功/是否到视频末尾

#    图像对象,图像的三维矩阵q

flag, self.im_rd = self.cap.read()

# 人脸数 rects

self.rects = face_recognize_punchcard.detector(self.im_rd, 1)

cv2.waitKey(1)  # 必不可少

# 待会要写的字体

font = cv2.FONT_HERSHEY_SIMPLEX

if len(self.rects) != 0:

# 检测到人脸

# 矩形框#d是人脸

# 查重

features_cap = face_recognize_punchcard.facerec.compute_face_descriptor(self.im_rd, face_recognize_punchcard.predictor(self.im_rd, self.rects[0]))

for i in range(len(face_recognize_punchcard.features_known_arr)):

# 将某张人脸与存储的所有人脸数据进行比对

compare = face_recognize_punchcard.return_euclidean_distance(features_cap, face_recognize_punchcard.features_known_arr[i][0:-1])

if compare == "same":  # 找到了相似脸

face_name = face_recognize_punchcard.features_known_arr[i][-1]

print(face_name)

wx.MessageBox(message=face_name + ",您已录过人脸,请检查是否签过到", caption="警告")

self.NewButton.Enable(False)

self.ShortCutButton.Enable(False)

self.SaveButton.Enable(True)

self.register_flag = 1

for k, d in enumerate(self.rects):

# 根据人脸大小生成空的图像

# 最后一个参数是线宽

cv2.rectangle(self.im_rd, tuple([d.left(), d.top()]), tuple([d.right(), d.bottom()]), (255, 0, 0), 2)

# 显示人脸数

cv2.putText(self.im_rd, "Faces: " + str(len(self.rects)), (50, 80), font, 0.8, (255, 0, 0), 1, cv2.LINE_AA)

cv2.putText(self.im_rd, "Warning: please shortcut having rectangle", (50, 140), font, 0.8, (0, 0, 255), 1,

cv2.LINE_AA)

# print(im_rd.shape)

height, width = self.im_rd.shape[:2]

image1 = cv2.cvtColor(self.im_rd, cv2.COLOR_BGR2RGB)

pic = wx.Bitmap.FromBuffer(width, height, image1)

# 显示图片在panel上

self.bmp.SetBitmap(pic)

#直接在sbclicked里设置self.bmp.SetBitmap(wx.Bitmap(self.image_cover)),子线程还在运行

if self.NewButton.IsEnabLED()==True and self.ShortCutButton.IsEnabled()==False and self.SaveButton.IsEnabled()==False:

self.bmp.SetBitmap(wx.Bitmap(self.image_info))

_thread.exit()

python参数检验框架_基于python的人员识别检测框架研究相关推荐

  1. python分布式计算框架_基于Python的分布式计算平台-DPark

    来自于: DPark是一个基于Mesos的集群计算框架(cluster computing framework),是Spark的Python实现版本,类似于MapReduce,但是比其更灵活,可以用P ...

  2. python管理系统设计_基于Python和Django框架的物联网智能设备管理系统的设计与实现

    杨武帅 万启元 桑贤伯 摘 要:针对目前日益增多的智能设备提出了兼容性好,稳定性高,易于管理的管理系统的设计方法.在服务器端使用Python和Django框架进行与设备的数据交互及设备管理网站的构架, ...

  3. python自动化测试开发_基于python的selenium2自动化测试从基础到实战(Python3、selenium2、自动化测试、web测试)...

    Selenium2是目前比较流行的一款针对web页面测试的自动化测试工具,他的前身是Selenium .Selenium测试直接运行在浏览器中,就像真正的用户在操作一样.支持的浏览器包括IE.Mozi ...

  4. 基于python爬虫数据处理_基于Python爬虫的校园数据获取

    苏艺航 徐海蛟 何佳蕾 杨振宇 王佳鹏 摘要:随着移动时代的到来,只适配了电脑网页.性能羸弱的校园教务系统,已经不能满足学生们的移动查询需求.为此,设计了一种基于网络爬虫的高实用性查询系統.它首先通过 ...

  5. python 量化交易_基于Python的量化交易工具清单(上)

    -- Python量化工具清单 -- 以下内容来源于Wilson Freitas的Github项目"Awesome Quant".原文中包含了丰富的语言类别,但是后续介绍主要针对P ...

  6. python机器视觉教材_基于Python的机器视觉实验教学平台设计

    基于 Python 的机器视觉实验教学平台设计 韩志豪 ; 刘晓英 [期刊名称] <计算机测量与控制> [年 ( 卷 ), 期] 2020(028)003 [摘要] 针对机器视觉领域的学习 ...

  7. python通信自动化测试_基于Python的无线通信设备自动化测试软件的研制

    基于Python的无线通信设备自动化测试软件的研制 中国电子科技集团公司第十研究所 冯启俊 [期刊名称]<电子世界> [年(卷),期]2019(000)015 [总页数]2 无线通信设备的 ...

  8. python空间数据处理_基于Python的空间数据批量处理方法

    第 34 卷 第 4 期 2011 年 8 月 测绘与空间地理信息 GEOMATICS & SPATIAL INFORMATION TECHNOLOGY Vol. 34,No. 4 Aug. ...

  9. python新闻聚合_基于Python的新闻聚合系统网络爬虫研究

    基于 Python 的新闻聚合系统网络爬虫研究 左卫刚 [摘 要] 摘 要 本研究旨在创建一个能够从不同页面布局中提取数据的开源爬 虫,其中包括网络爬虫. API .网络爬虫调度器以及 Socket ...

  10. python 英语分词_基于Python NLTK库进行英文文本预处理

    文本预处理是要文本处理成计算机能识别的格式,是文本分类.文本可视化.文本分析等研究的重要步骤.具体流程包括文本分词.去除停用词.词干抽取(词形还原).文本向量表征.特征选择等步骤,以消除脏数据对挖掘分 ...

最新文章

  1. 在Python中获取文件大小? [重复]
  2. mySQL 教程 第16章 MySQL复制
  3. 路由器OSPF协议配置命令一
  4. OpenGL GPU粒子
  5. 微课|玩转Python轻松过二级(2.2.2节):关系运算符
  6. 必须先说明组件oracle,Oracle Enterprise Manager 组件 说明 .
  7. Express 入门
  8. mac下多个php版本切换(可操作版)
  9. 零基础学python好学吗-Python0基础好学吗?
  10. 新手理解Navigator的教程
  11. 安卓手机android文件,安卓Android手机系统内文件夹目录解释
  12. QOpenGLWight与QPainter混合渲染
  13. kdj指标计算程序代码
  14. uni-app引用npm第三方库
  15. 泰坦尼克号-数据加载及探索性数据分析
  16. 一文读懂拜占庭将军问题
  17. 【错误记录】手机应用无法联网 ( 添加 READ_PRIVILEGED_PHONE_STATE 权限导致手机应用网络不可用 )
  18. Codeforces Round #702 (Div. 3) A-G
  19. 无线的安全威胁与认证加密技术
  20. 7z 头部错误 数据错误_简单的方法来修复损坏的7Zip的文件

热门文章

  1. java sublist_Java Vector subList()方法与示例
  2. Java SecurityManager checkAccess()方法与示例
  3. Java 官方性能测试工具 JMH 简单入门
  4. WebApi开启CORS支持跨域POST
  5. C# 调用IP库(QQWry.Dat)查询IP位置及自动升级IP库方法(附IP库下载地址及相关dll下载)
  6. 单片机四位数加减计算机程序,51单片机简易计算器程序 实现数字的加减乘除运算...
  7. C#中泛型类型约束条件
  8. 题解P3745期末考试
  9. matlab平稳随机过程的功率谱密度,平稳随机过程的功率谱密度
  10. 基于mysql和php的分布式事务处理1,基于MySQL和PHP的分布式事务处理