猫狗识别—视频识别

Sun.HY2024-06-29 8:32

猫狗识别---视频识别

  • [1. 导入所需的库：](#1. 导入所需的库：)
  • [2. 创建Tkinter主窗口并设置标题：](#2. 创建Tkinter主窗口并设置标题：)
  • [3. 设置窗口的宽度和高度：](#3. 设置窗口的宽度和高度：)
  • [4. 创建一个Canvas，它将用于显示视频帧：](#4. 创建一个Canvas，它将用于显示视频帧：)
  • [5. 初始化一个视频流变量cap，用于存储OpenCV的视频捕获对象：](#5. 初始化一个视频流变量cap，用于存储OpenCV的视频捕获对象：)
  • [6. 定义一个函数update_frame，用于更新Canvas上的视频帧。函数实现将在后面解释：](#6. 定义一个函数update_frame，用于更新Canvas上的视频帧。函数实现将在后面解释：)
  • [7. 定义一个函数update_frame，用于更新Canvas上的视频帧。函数实现将在后面解释：](#7. 定义一个函数update_frame，用于更新Canvas上的视频帧。函数实现将在后面解释：)
  • [8. 定义一个函数close，用于退出程序并关闭视频流。函数实现将在后面解释：](#8. 定义一个函数close，用于退出程序并关闭视频流。函数实现将在后面解释：)
  • [9. 创建两个按钮，一个用于选择视频文件，另一个用于退出程序。按钮的图片和位置在这里设置：](#9. 创建两个按钮，一个用于选择视频文件，另一个用于退出程序。按钮的图片和位置在这里设置：)
  • [10. 启动Tkinter的事件循环，这将显示窗口并开始处理用户事件：](#10. 启动Tkinter的事件循环，这将显示窗口并开始处理用户事件：)
  • [11. 完整代码＋运行结果：](#11. 完整代码＋运行结果：)

1. 导入所需的库：

cv2用于视频捕获和图像处理，tkinter用于创建GUI，filedialog用于打开文件对话框，Image和ImageTk用于处理图像，threading用于创建新线程以更新视频帧，subprocess用于启动其他Python脚本。

python 复制代码 
import cv2
import tkinter as tk
from tkinter import filedialog
from PIL import Image, ImageTk
import threading
import subprocess

2. 创建Tkinter主窗口并设置标题：

python 复制代码 
# 初始化窗口
root = tk.Tk()
root.title("视频识别猫狗")

3. 设置窗口的宽度和高度：

python 复制代码 
# 设置窗口大小
window_width = 800
window_height = 600
root.geometry(f"{window_width}x{window_height}")

4. 创建一个Canvas，它将用于显示视频帧：

python 复制代码 
# 创建一个Canvas用于显示视频
canvas = tk.Canvas(root, width=window_width, height=window_height, bg="white")
canvas.pack()

5. 初始化一个视频流变量cap，用于存储OpenCV的视频捕获对象：

python 复制代码 
# 初始化视频流
cap = None

6. 定义一个函数update_frame，用于更新Canvas上的视频帧。函数实现将在后面解释：

python 复制代码 
# 更新视频帧的函数
def update_frame():
    global cap
    while cap is not None and cap.isOpened():
        ret, frame = cap.read()
        if ret:
            # 转换为灰度图像
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

            # 加载Haar cascade文件
            cat_cascade = cv2.CascadeClassifier('haarcascade_frontalcatface.xml')
            dog_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt.xml')

            # 检测猫和狗
            cats = cat_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
            dogs = dog_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

            # 在检测到的猫和狗周围画矩形框
            for (x, y, w, h) in cats:
                cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
            for (x, y, w, h) in dogs:
                cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

            # 转换为Tkinter兼容的格式并显示
            frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
            image = Image.fromarray(frame)
            image = ImageTk.PhotoImage(image)

            # 自动调整Canvas大小以适应视频帧
            canvas.config(width=image.width(), height=image.height())
            canvas.create_image(0, 0, anchor=tk.NW, image=image)
            root.update_idletasks()
            root.after(10, update_frame)  # 每10毫秒更新一次帧
        else:
            cap.release()
            break

7. 定义一个函数update_frame，用于更新Canvas上的视频帧。函数实现将在后面解释：

python 复制代码 
# 选择视频的函数
def select_video():
    global cap
    file_path = filedialog.askopenfilename(initialdir="data/视频识别数据")
    if file_path:
        cap = cv2.VideoCapture(file_path)
        threading.Thread(target=update_frame).start()

8. 定义一个函数close，用于退出程序并关闭视频流。函数实现将在后面解释：

python 复制代码 
# 退出程序的函数
def close():
    # 停止视频流
    subprocess.Popen(["python", "主页面.py"])
    if cap is not None and cap.isOpened():
        cap.release()
    # 销毁窗口
    root.destroy()
    # 启动主页面程序

9. 创建两个按钮，一个用于选择视频文件，另一个用于退出程序。按钮的图片和位置在这里设置：

python 复制代码 
# 创建按钮
image = Image.open("选择视频.gif")  # 加载一张图片
photo2 = ImageTk.PhotoImage(image)
bt1 = tk.Button(root, image=photo2, width=162, height=100, command=select_video)
bt1.place(x=150, y=470)

image = Image.open("退出.gif")  # 加载一张图片
photo3 = ImageTk.PhotoImage(image)
bt1 = tk.Button(root, image=photo3, width=162, height=100, command=close)
bt1.place(x=500, y=470)

10. 启动Tkinter的事件循环，这将显示窗口并开始处理用户事件：

python 复制代码 
root.mainloop()

11. 完整代码＋运行结果：

完整代码：

python 复制代码 
import cv2
import tkinter as tk
from tkinter import filedialog
from PIL import Image, ImageTk
import threading
import subprocess

# 初始化窗口
root = tk.Tk()
root.title("视频识别猫狗")

# 设置窗口大小
window_width = 800
window_height = 600
root.geometry(f"{window_width}x{window_height}")

# 创建一个Canvas用于显示视频
canvas = tk.Canvas(root, width=window_width, height=window_height, bg="white")
canvas.pack()

# 初始化视频流
cap = None

# 更新视频帧的函数
def update_frame():
    global cap
    while cap is not None and cap.isOpened():
        ret, frame = cap.read()
        if ret:
            # 转换为灰度图像
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

            # 加载Haar cascade文件
            cat_cascade = cv2.CascadeClassifier('haarcascade_frontalcatface.xml')
            dog_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt.xml')

            # 检测猫和狗
            cats = cat_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
            dogs = dog_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

            # 在检测到的猫和狗周围画矩形框
            for (x, y, w, h) in cats:
                cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
            for (x, y, w, h) in dogs:
                cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

            # 转换为Tkinter兼容的格式并显示
            frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
            image = Image.fromarray(frame)
            image = ImageTk.PhotoImage(image)

            # 自动调整Canvas大小以适应视频帧
            canvas.config(width=image.width(), height=image.height())
            canvas.create_image(0, 0, anchor=tk.NW, image=image)
            root.update_idletasks()
            root.after(10, update_frame)  # 每10毫秒更新一次帧
        else:
            cap.release()
            break

# 选择视频的函数
def select_video():
    global cap
    file_path = filedialog.askopenfilename(initialdir="data/视频识别数据")
    if file_path:
        cap = cv2.VideoCapture(file_path)
        threading.Thread(target=update_frame).start()

# 退出程序的函数
def close():
    # 停止视频流
    subprocess.Popen(["python", "主页面.py"])
    if cap is not None and cap.isOpened():
        cap.release()
    # 销毁窗口
    root.destroy()
    # 启动主页面程序

# 创建按钮
image = Image.open("选择视频.gif")  # 加载一张图片
photo2 = ImageTk.PhotoImage(image)
bt1 = tk.Button(root, image=photo2, width=162, height=100, command=select_video)
bt1.place(x=150, y=470)

image = Image.open("退出.gif")  # 加载一张图片
photo3 = ImageTk.PhotoImage(image)
bt1 = tk.Button(root, image=photo3, width=162, height=100, command=close)
bt1.place(x=500, y=470)

root.mainloop()

运行结果：

相关推荐
阿坡RPA5 小时前
手搓MCP客户端&服务端：从零到实战极速了解MCP是什么？
人工智能·aigc
用户27784491049935 小时前
借助DeepSeek智能生成测试用例：从提示词到Excel表格的全流程实践
人工智能·python
机器之心5 小时前
刚刚，DeepSeek公布推理时Scaling新论文，R2要来了？
人工智能
算AI7 小时前
人工智能+牙科：临床应用中的几个问题
人工智能·算法
JavaEdge在掘金7 小时前
ssl.SSLCertVerificationError报错解决方案
python
我不会编程5558 小时前
Python Cookbook-5.1 对字典排序
开发语言·数据结构·python
凯子坚持 c8 小时前
基于飞桨框架3.0本地DeepSeek-R1蒸馏版部署实战
人工智能·paddlepaddle
老歌老听老掉牙8 小时前
平面旋转与交线投影夹角计算
python·线性代数·平面·sympy
满怀10158 小时前
Python入门（7）：模块
python
无名之逆8 小时前
Rust 开发提效神器：lombok-macros 宏库
服务器·开发语言·前端·数据库·后端·python·rust
热门推荐
01我决定放弃搞 Java 了02DeepSeek各版本说明与优缺点分析03如何在WPS和Word/Excel中直接使用DeepSeek功能04RAG 实践- Ollama+RagFlow 部署本地知识库05本地化部署AI知识库：基于Ollama+DeepSeek+AnythingLLM保姆级教程06从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑07如何本地部署AI智能体平台，带你手搓一个AI Agent08苍穹外卖面试总结09DeepSeek RAGFlow构建本地知识库系统10【芯片封测学习专栏 -- D2D 和 C2C 之间的区别】