基于OpenCV的自制Python访客识别程序

这是我用Pyqt5,基于OpenCV做的一个Python访客识别程序,它具体包括如下5个功能:

1、选择媒体菜单,可以打开本地摄像头;如果知道rtsp地址,则可以直接访问局域网内的网络串流。

2、选择播放菜单,可以播放/暂停当前正在播放中的视频信息。

3、视频播放过程,应用会每隔1秒扫描一次屏幕中出现的访客并通过识别判断是否是新访客。

4、若是新访客的,右边今日访客栏中就会将该访客人脸图像展示出来。

5、今日访客数会根据新增访客图像的增加而同步更新。

由于直接用的是OpenCV自带的模型,所以戴口罩的人脸是无法区分的。这个暂且不做拓展讨论。

这个程序的功能其实说白了就是用OpenCV打开摄像头,然后进行人脸识别,识别的人脸数据会存储在一个image_list的数组中,若在image_list中没有发现相同图像,就会在右侧Qlabel添加一个新的label并把新增人脸贴上去。

现在来介绍下这个程序的核心代码实现,完整的代码会在文章结尾处放置链接。

先说打开摄像头播放或暂停的功能,这个功能我在以前的博文中已经具体介绍过,参看Python学习之用QTimer计时器实现摄像头视频的播放和暂停_pyqt5摄像头暂停-CSDN博客

然后是人脸识别功能,不多废话,直接上代码:

python 复制代码
def TrackingFace(self, image):
    try:
        faces = face_recognition.face_locations(image)
        encodings = face_recognition.face_encodings(image, faces)
        if faces != ():
            i = 0
            for (y, w, h, x), f_code in zip(faces, encodings):
                image = cv2.rectangle(image, (x, y), (w,  h), (0, 0, 255), 2)
                # 获取识别的人脸
                roiImg = image[y:h, x:w]
                if len(self.image_list) > 0:
                    # 看看面部是否与已知人脸相匹配。
                    for j, v in enumerate(self.image_list):
                        # print(f'{j}: {v}')
                        match = face_recognition.compare_faces(
                            [v], f_code, tolerance=0.6)
                        if match[0]:
                            print("找到相同图像")
                            self.flag = True
                            break
                        else:
                            print("未找到相同图像")
                            self.RoiImg(roiImg)
                else:
                    self.image_list.append(f_code)
                    self.RoiImg(roiImg)
                i += 1
    except Exception as e:
        print(str(e))
    return image

接下来是将未找到的图像贴到访客墙上的功能:

python 复制代码
def RoiImg(self, image):
    # 将人脸图像加载到右侧QLabel
    im1 = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    im1 = cv2.putText(im1, self.timestr, (10, image.shape[1] - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 1)
    im2 = QtGui.QImage(im1[:], im1.shape[1], im1.shape[0], im1.shape[1] * 3, QtGui.QImage.Format_RGB888)
    im3 = QtGui.QPixmap(im2).scaled(150, 200)

    # 添加新的Label
    label = QLabel()
    label.setFixedSize(60, 100)
    label.setStyleSheet("border:1px solid gray")
    label.setPixmap(im3)
    label.setScaledContents(True)
    count = int(self.scrollArea.width() / 80)
    row = int(self.index / count)
    colum = self.index % count
    self.glay.addWidget(label, row, colum)
    self.index += 1
    self.label_3.setText(str(self.index))

最后,还有个每隔1s扫描一次人脸,其实就是拿两个时间戳进行对比:

python 复制代码
t1 = datetime.strptime(self.timestr, '%Y-%m-%d %H:%M:%S')
t2 = datetime.strptime(timestr0, '%Y-%m-%d %H:%M:%S')
seconds = (t2 - t1).seconds
# print('t1=' + str(t1), 't2=' +str(t2), 'seconds=' + str(seconds))
if seconds > 1:  # 每隔1秒扫描一次人脸
    self.timestr = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
    self.TrackingFace(color_frame)

好了,核心代码就这几段了。完整的详细代码下载地址:

https://download.csdn.net/download/hydekong/89992827

相关推荐
pen-ai4 分钟前
【NLP】15. NLP推理方法详解 --- 动态规划:序列标注,语法解析,共同指代
人工智能·自然语言处理·动态规划
Chaos_Wang_11 分钟前
NLP高频面试题(二十九)——大模型解码常见参数解析
人工智能·自然语言处理
liuhaoran___15 分钟前
解释区块链技术的应用场景和优势
python
独好紫罗兰16 分钟前
洛谷题单2-P5712 【深基3.例4】Apples-python-流程图重构
开发语言·python·算法
Acrelhuang18 分钟前
8.3MW屋顶光伏+光储协同:上海汽车变速器低碳工厂的能源革命-安科瑞黄安南
大数据·数据库·人工智能·物联网·数据库开发
区块链蓝海18 分钟前
沉浸式体验测评|AI Ville:我在Web3小镇“生活”了一周
人工智能·web3·生活
东方佑32 分钟前
深度解析Python-PPTX库:逐层解析PPT内容与实战技巧
开发语言·python·powerpoint
whaosoft-14333 分钟前
51c自动驾驶~合集15
人工智能
花楸树34 分钟前
前端搭建 MCP Client(Web版)+ Server + Agent 实践
前端·人工智能
Python大数据分析@40 分钟前
python 常用的6个爬虫第三方库
爬虫·python·php