Развертывание распознавания лиц OpenCV в веб-фреймворке Flask

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)