旅游网站规划建设方案,wordpress js加载很慢,做mip网站需要多钱,做网站免费的域名目录
一、 项目介绍
1.1 项目名称
1.2 项目简介
1.3 项目物料
1.4 技术栈
二、 项目架构
三、项目细节
3.1 环境搭建
3.2 利用opencv实现摄像头调取及相关图像的采集
3.3 利用aips上传图像和结果返回
3.4 结果优化和处理
3.5 可扩展性
3.6 遗留问题和…目录
一、 项目介绍
1.1 项目名称
1.2 项目简介
1.3 项目物料
1.4 技术栈
二、 项目架构
三、项目细节
3.1 环境搭建
3.2 利用opencv实现摄像头调取及相关图像的采集
3.3 利用aips上传图像和结果返回
3.4 结果优化和处理
3.5 可扩展性
3.6 遗留问题和解释
四、声明 一、项目介绍
1.1 项目名称
《1:N人脸考勤机》
1.2 项目简介
基于windows平台下使用PyCharmIDE完成开发工作将提前准备好的照片上传百度云借助百度aipSDK-Python实现和百度智能云的对接实现摄像头采集人脸图片后上传百度云在百度云中利用百度现有的人脸识别算法完成人脸的对比之后借助SDK返回对比结果将结果显示在客户端上。
1.3 项目物料 平台windows开发平台PyCharm Anaconda3选装开发包openCV2.4.9Python、aips百度智能云人脸检测的SDK编程语言Python其他识别对象的免冠正面照
1.4 技术栈 网络通信基本知识Python编程语言百度智能云SDKsearch函数等OpenCV基于Python的接口的使用
1.5项目架构
上传百度云识别者照片---图像采集---图像处理---上传百度云---百度云对比---返回对比结果---结果处理---显示结果。 三、项目细节
3.1 环境搭建
1安装PyCharm
1安装
百度安全验证 创建人脸识别项目及配置
pycharm怎么创建新项目-百度经验 2安装百度智能云人脸检测的SDK(Python)
1接口的下载和安装
人脸识别_人脸检测_人脸对比_人脸搜索_活体检测_百度智能云 3创建百度智能云应用
1选择百度云对应功能和免费权限
A、手机应用市场安装“百度”app注册一个账号登陆
B、利用百度app扫码登陆以下网址中的账户
人脸识别私有化部署包_支持百万级超大型人脸库-百度AI开放平台 登陆成功后会返回图一点击“立即申请”进入以下界面。
创建应用注意如果之前安装SDK失败了这里可以选择直接下载SDK即可选择其中的“Python Http SDK”即可。 创建组这个就是上边创建的应用。我们开始创建组。 点击确认 点击画圈的地方组名 这就是创建组内用户的菜单点击任何一个方框都可以。 上传识别的对比资源创建组和组用户均完成到时候百度云会自动找到要求的组在组中对比符合要求的用户反馈结果。 获取应用的账号和密码将其中的内容AK和SK复制出来保存好(保存在一个文本文档内即可文档一定要保留好) 关于opencv如何下载作者在这里作为伏笔大家自行尝试有问题试着解决一下哦。解决不了记得评论哦。
3.2 利用opencv实现摄像头调取及相关图像的处理 其中有详细的注释请仔细阅读如果有不明白的地方评论区留言作者一一回复。
3.3 利用aips上传图像和结果返回 图片为多张注意通过行号来看避免少看代码
3.4 结果优化和处理
在屏幕显示结果
在上边的92行位置加入如下代码 注意通过行号来判断对齐缩进的位置避免代码从属问题。
3.5 效果展示 3.6 遗留问题和解释
如遇闪退可以优化可以找找看是什么问题。由于账号隐私问题隐藏APP_ID\AK\SK三个参数。
源码
# coding: utf-8
# author: alex_chenimport cv2 as cv
from aip import AipFace # 创建百度智能云客户端client
from aip.face import base64 # 调取图片格式转换工具
import timedef main():cap cv.VideoCapture()cap.open(0) # 打开摄像头# 登陆百度智能云APP_ID xxxxxxxxAPI_KEY xxxxxxxxxxxxxxxxxxxxxxxxxxSECRET_KEY xxxxxxxxxxxxxxxxxxxxxxxxxxxxx# 创建自已百度云应用的客户端账号密码确定接入的是百度云的“人脸考勤”应用client AipFace(APP_ID, API_KEY, SECRET_KEY)# 创建haar分类器cf cv.CascadeClassifier(rD:\anaconda3\envs\ml_dl\Lib\site-packages\haarcascades\haarcascade_frontalface_alt2.xml)while cap.isOpened():flag, frame cap.read() # 获取摄像头截取到的图片img frame # 保留彩色原图frame class numpy.ndarraygray_img cv.cvtColor(img, cv.COLOR_BGR2GRAY) # 灰度处理# cv.equalizeHist(gray_img,gray_img) # 直方图均衡化这个可以不要处理效果更好# 寻找特征人脸矩阵allFaceRect cf.detectMultiScale(gray_img,) #得到的视频中出现的所有的人脸并且保存在numpy.ndarray中(矩形向量组)# print(type(allFaceRect[0])) # 图片中的第一张人脸# class numpy.ndarray 没有脸的时候返回()# 矩形跟随人脸样本来绘图if allFaceRect is not ():x,y,w,h allFaceRect[0] # 第一张人脸标识出来cv.rectangle(frame, (x, y), (x w, y h), (255, 255, 255))# for x, y, w, h in allFaceRect: # 标识出所有人脸# cv.rectangle(gray_img, (x, y), (x w, y h), (255, 255, 255)) # 在每张图片中找到人脸并标注正方形# 至此找到了人脸将人脸存放在一个容器face_img当中face_img gray_img[y:yw,x:xh] # 将第一张人脸保存下来check_result,img_encode cv.imencode(.jpg, face_img) # 将找到的人脸进行编码存入缓存img_encode中。# print(type(img_encode),img_encode) # 查看在内存中的图片的数据类型。# 测试缓存中是否保存成功了:# res cv.imdecode(img_encode,1)# cv.imshow(demo,res)# 人脸搜索# 1、将缓存区的图片img_encode转换为base64格式且返回处理后的图片base64img_send_to_aiServer base64.b64encode(img_encode)# 2、调用search()# 注意search()函数的第一个参数是字符串需要把base64的字节序转换成字符串res client.search(bytes.decode(base64img_send_to_aiServer), BASE64, Teacher)# print(res,type(res)) # 得到处理的结果 # 返回的是一个字典类型。# 带参optionsclient.search(image, imageType, groupIdList, options) ----不用# imageType参数的值# 图片类型 BASE64:图片的base64值base64编码后的图片数据编码后的图片大小不超过2M---选择这个将图片进行base64编码# URL:图片的 URL地址( 可能由于网络等原因导致下载图片时间过长)# FACE_TOKEN: 人脸图片的唯一标识调用人脸检测接口时会为每个人脸图片赋予一个唯一的FACE_TOKEN同一张图片多次检测得到的FACE_TOKEN是同一个# groupIdList参数 人脸分组的序号通过序号选择对应的组如果要在多个组之间选择则用逗号分隔序号# res_json:返回的是找到的人脸的相关信息结果格式json# {# face_token: fid,# user_list: [ 返回的所有找到的用户的列表# {# group_id: test1,# user_id: u333333,# user_info: Test User,# score: 99.3 人脸匹配度低于80即搜索失败# } 每个用户都有这四个数据多个user用逗号分隔# ]# }{error_code: 0, error_msg: SUCCESS, log_id: 2253051395, timestamp: 1667464653,cached: 0, result: {face_token: 551d377ffeb0d24fed5b9dc07885203c, user_list: [{group_id: Teacher,user_id: ChenBingXu,user_info: , score: 97.605316162109}]}}if result in res.keys():print(res[result])name res[result][user_list][0][user_id] #从数据中拿到返回的人脸匹配的姓名namecurrent_time time.strftime(%Y.%m.%d %H:%M:%S,time.localtime(time.time())) # 获取系统时间print(name,current_time)cv.putText(frame,str(name) str(current_time),(0,50),cv.FONT_HERSHEY_SIMPLEX, 0.75, (255, 255, 255), 2)# 显示灰度图cv.imshow(demo, frame)key_pressed cv.waitKey(5)# 按ESC退出if key_pressed 27:break# 关闭摄像头cap.release()# 关闭窗口cv.destroyAllWindows()if __name__ __main__:main() # 调用主函数
# print(cv.__file__) # 打印库位置将haarcascade训练器样板导入四、声明
仅供教学和个人学习爱好者作为基础入门材料使用项目中内容不涉及任何企业及个人保密成分不可用于商业用途特此声明如有盗版等问题必追究其法律责任严禁抄袭剽窃等行为。
