Введение
Если вы хотите изучить основы OpenCV, пройдите этот блог. В этом блоге мы собираемся рассказать о распознавании лиц с помощью Flask API Deployment. Краткое введение в OpenCV — это библиотека Python, предназначенная для решения проблем компьютерного зрения. Он используется в различных приложениях, таких как обнаружение лиц, захват видео, отслеживание движущихся объектов и раскрытие объектов.
Флэш-API
Flask — широко используемый микровеб-фреймворк для создания API на Python. Это простая, но мощная веб-инфраструктура, предназначенная для быстрого и легкого запуска с возможностью масштабирования до сложных приложений.
Что такое Хаар-каскад
Это алгоритм обнаружения объектов, используемый для распознавания лиц на изображении или видео в реальном времени. Алгоритм использует функции обнаружения границ или линий.
Теперь приступим к реализации.
Структура проекта
index.html
<!DOCTYPE html> <html> <link rel="stylesheet" href="https://maxcdn.bootstrapcdn.com/bootstrap/3.4.1/css/bootstrap.min.css"> <title>Dharmaraj - Face Recognition</title> <style> h2 { padding-bottom:20px; font-weight: 600; font-size: 3.2em } </style> <body> <div class="container"><center><h2>Face Recognition</h2></center> <div class="col-lg-offset-2 col-lg-8"> <center><form class="form-inline" action = "/stop" method = "post" enctype="multipart/form-data"> <input type = "submit" class="btn btn-danger btn-md btn-block" value="Stop"> </form></center> <center><form class="form-inline" action = "/start" method = "post" enctype="multipart/form-data"> <input type = "submit" class="btn btn-success btn-md btn-block" value="Start"> </form></center><br></div> <div class="col-lg-offset-2 col-lg-8"> <img src="{{ url_for('video_capture') }}" width="100%"> </div></div> </body> </html>
stop.html
<!DOCTYPE html> <html> <link rel="stylesheet" href="https://maxcdn.bootstrapcdn.com/bootstrap/3.4.1/css/bootstrap.min.css"> <title>Dharmaraj - Face Recognition</title> <style> h2 { padding-bottom:20px; font-weight: 600; font-size: 3.2em } </style> <body> <div class="container"> <center><h2>Face Recognition</h2></center> <div class="col-lg-offset-2 col-lg-8"> <center><form class="form-inline" action = "/stop" method = "post" enctype="multipart/form-data"> <input type = "submit" class="btn btn-danger btn-md btn-block" value="Stop"> </form></center> <center><form class="form-inline" action = "/start" method = "post" enctype="multipart/form-data"> <input type = "submit" class="btn btn-success btn-md btn-block" value="Start"> </form></center><br> </div></div> </body> </html>
datacollection.py
Этот файл используется для сбора данных с камеры. Запустите этот код и введите пример идентификатора человека 1 после того, как откроется окно камеры, сделайте 100 фотографий вашего лица и сохраните их в папке набора данных.
import cv2 import os cam = cv2.VideoCapture(0) face_detector = cv2.CascadeClassifier('Cascades/haarcascade_frontalface_default.xml') face_id = input('enter user id end press <return> ==> ') print("Initializing face capture. Look the camera and wait ...") count = 0 while(True): ret, img = cam.read() img = cv2.flip(img, 1) # 1 stright, 0 reverse gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) faces = face_detector.detectMultiScale(gray, 1.3, 5) for (x,y,w,h) in faces: cv2.rectangle(img, (x,y), (x+w,y+h), (255,0,0), 2) count += 1 cv2.imwrite("datasets/User." + str(face_id) + '.' + str(count) + ".jpg", gray[y:y+h,x:x+w]) cv2.imshow('image', img) k = cv2.waitKey(100) & 0xff if k == 27: break elif count >= 100: # Take 100 face sample and stop video break cam.release() cv2.destroyAllWindows()
training.py
Этот файл используется для обучения вашего набора данных о лицах, а вес будет храниться в файле «trainer.yaml».
import cv2 import numpy as np from PIL import Image import os path = 'datasets' recognizer = cv2.face.LBPHFaceRecognizer_create() detector = cv2.CascadeClassifier("Cascades/haarcascade_frontalface_default.xml"); # function to get the images and label data def getImagesAndLabels(path): imagePaths = [os.path.join(path,f) for f in os.listdir(path)] face_Samples=[] ids = [] for imagePath in imagePaths: PIL_img = Image.open(imagePath).convert('L') # grayscale img_numpy = np.array(PIL_img,'uint8') id = int(os.path.split(imagePath)[1].split(".")[1]) faces = detector.detectMultiScale(img_numpy) for (x,y,w,h) in faces: face_Samples.append(img_numpy[y:y+h,x:x+w]) ids.append(id) return face_Samples,ids print ("Training faces. It will take a few seconds. Wait ......") faces,ids = getImagesAndLabels(path) recognizer.train(faces, np.array(ids)) recognizer.write('trainer.yml') print("{0} faces trained.".format(len(np.unique(ids))))
app.py
from flask import Flask, render_template, Response import cv2 recognizer = cv2.face.LBPHFaceRecognizer_create() recognizer.read('trainer.yml') cascadePath = "Cascades/haarcascade_frontalface_default.xml" faceCascade = cv2.CascadeClassifier(cascadePath); font = cv2.FONT_HERSHEY_SIMPLEX id = 0 names = ['None','Dharmaraj','Vikram'] # app=Flask(__name__) def capture_by_frames(): global cam cam = cv2.VideoCapture(0) while True: ret, img =cam.read() img = cv2.flip(img, 1) # 1 Stright 0 Reverse gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) detector=cv2.CascadeClassifier(cascadePath) faces=detector.detectMultiScale(img,1.2,6) for(x,y,w,h) in faces: cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2) id, confidence = recognizer.predict(gray[y:y+h,x:x+w]) if (confidence < 100): id = names[id] confidence = " {0}%".format(round(100 - confidence)) else: id = "Unknown" confidence = " {0}%".format(round(100 - confidence)) cv2.putText(img,str(id),(x+5,y-5),font,1,(255,255,255),2) #cv2.putText(img,str(confidence),(x+5,y+h),font,1,(255,255,0),1) ret1, buffer = cv2.imencode('.jpg', img) frame = buffer.tobytes() yield (b'--frame\r\n' b'Content-Type: image/jpeg\r\n\r\n' + frame + b'\r\n') @app.route('/') def index(): return render_template('index.html') @app.route('/start',methods=['POST']) def start(): return render_template('index.html') @app.route('/stop',methods=['POST']) def stop(): if cam.isOpened(): cam.release() return render_template('stop.html') @app.route('/video_capture') def video_capture(): return Response(capture_by_frames(), mimetype='multipart/x-mixed-replace; boundary=frame') if __name__=='__main__': app.run(debug=True,use_reloader=False, port=8000)
Результат
Как только вы запустите этот код, вы получите экран ниже.
Скопируйте этот URL-адрес http://127.0.0.1:8000/ и вставьте его в свой браузер, чтобы получить результат.
Полный исходный код на GitHub: https://github.com/DharmarajPi/OpenCV-Face-Recognition-Deployment-In-Flask-Web-Framework
Спасибо, что читаете мой блог, вы можете проверить другие мои блоги…
OpenCV — Полное руководство для начинающих, часть 2/2
Если вы новичок в этом блоге, пожалуйста, прочитайте мой предыдущий блог «OpenCV — Полное руководство для начинающих, часть 1, чтобы лучше понять …medium.com»
Есть сомнения? Нужна помощь? Свяжитесь со мной!