first commit

Test1.py

@@ -0,0 +1,104 @@
+# 实验环境：python 3.6 + opencv-python 3.4.14.51
+
+import cv2
+import numpy as np
+import os
+import shutil
+import threading
+import tkinter as tk
+from PIL import Image, ImageTk
+
+# 首先读取config文件，第一行代表当前已经储存的人名个数，接下来每一行是（id，name）标签和对应的人名
+id_dict = {}  # 字典里存的是id——name键值对
+Total_face_num = 999  # 已经被识别有用户名的人脸个数,
+
+
+def init():  # 将config文件内的信息读入到字典中
+    f = open('config.txt')
+    global Total_face_num
+    Total_face_num = int(f.readline())
+
+    for i in range(int(Total_face_num)):
+        line = f.readline()
+        id_name = line.split(' ')
+        id_dict[int(id_name[0])] = id_name[1]
+    f.close()
+
+
+init()
+
+# 加载OpenCV人脸检测分类器Haar
+face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
+
+# 准备好识别方法LBPH方法
+recognizer = cv2.face.LBPHFaceRecognizer_create()
+
+# 打开标号为0的摄像头
+camera = cv2.VideoCapture(0)  # 摄像头
+success, img = camera.read()  # 从摄像头读取照片
+W_size = 0.1 * camera.get(3)
+H_size = 0.1 * camera.get(4)
+
+system_state_lock = 0  # 标志系统状态的量 0表示无子线程在运行 1表示正在刷脸 2表示正在录入新面孔。
+# 相当于mutex锁，用于线程同步
+
+
+'''
+============================================================================================
+以上是初始化
+============================================================================================
+'''
+
+
+def Get_new_face():
+    print("正在从摄像头录入新人脸信息 \n")
+
+    # 存在目录data就清空，不存在就创建，确保最后存在空的data目录
+    filepath = "data"
+    if not os.path.exists(filepath):
+        os.mkdir(filepath)
+    else:
+        shutil.rmtree(filepath)
+        os.mkdir(filepath)
+
+    sample_num = 0  # 已经获得的样本数
+
+    while True:  # 从摄像头读取图片
+
+        global success
+        global img  # 因为要显示在可视化的控件内，所以要用全局的
+        success, img = camera.read()
+
+        # 转为灰度图片
+        if success is True:
+            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+        else:
+            break
+
+        # 检测人脸，将每一帧摄像头记录的数据带入OpenCv中，让Classifier判断人脸
+        # 其中gray为要检测的灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors
+        faces = face_cascade.detectMultiScale(gray, 1.3, 5)
+
+        # 框选人脸，for循环保证一个能检测的实时动态视频流
+        for (x, y, w, h) in faces:
+            # xy为左上角的坐标,w为宽，h为高，用rectangle为人脸标记画框
+            cv2.rectangle(img, (x, y), (x + w, y + w), (255, 0, 0))
+            # 样本数加1
+            sample_num += 1
+            # 保存图像，把灰度图片看成二维数组来检测人脸区域，这里是保存在data缓冲文件夹内
+            T = Total_face_num
+            cv2.imwrite("./data/User." + str(T) + '.' + str(sample_num) + '.jpg', gray[y:y + h, x:x + w])
+
+        pictur_num = 1000  # 表示摄像头拍摄取样的数量,越多效果越好，但获取以及训练的越慢
+
+        cv2.waitKey(1)
+        if sample_num > pictur_num:
+            break
+        else:  # 控制台内输出进度条
+            l = int(sample_num / pictur_num * 50)
+            r = int((pictur_num - sample_num) / pictur_num * 50)
+            print("\r" + "%{:.1f}".format(sample_num / pictur_num * 100) + "=" * l + "->" + "_" * r, end="")
+            var.set("%{:.1f}".format(sample_num / pictur_num * 100))  # 控件可视化进度信息
+            # tk.Tk().update()
+            window.update()  # 刷新控件以实时显示进度
+

Test2.py

@@ -0,0 +1,24 @@
+def Train_new_face():
+    print("\n正在训练")
+    # cv2.destroyAllWindows()
+    path = 'data'
+
+    # 初始化识别的方法
+    recog = recognizer
+
+    # 调用函数并将数据喂给识别器训练
+    faces, ids = get_images_and_labels(path)
+    print('本次用于训练的识别码为:')  # 调试信息
+    print(ids)  # 输出识别码
+
+    # 训练模型  #将输入的所有图片转成四维数组
+    recog.train(faces, np.array(ids))
+    # 保存模型
+
+    yml = str(Total_face_num) + ".yml"
+    rec_f = open(yml, "w+")
+    rec_f.close()
+    recog.save(yml)
+
+    # recog.save('aaa.yml')
+