百度api实现实时摄像头人脸识别 |
您所在的位置：网站首页 › 百度ai人脸识别入口 › 百度api实现实时摄像头人脸识别 |
百度api实现实时摄像头人脸识别
|
关注公众号“AI毒瘤”，不定时分享CV小项目和知识点（二维码在文章末尾） 大家好，我是爱码士_秃头兔子。一名刚毕业从事计算机视觉的新人。如果文章对你有所帮助，希望能点个赞支持一下，谢谢~ 百度api实现实时摄像头人脸识别 创建百度智能云账号并登录调用api实现完整代码本文是利用百度api接口和openCV库实现的摄像头实时人脸识别搜索，落地性不强，但应付毕业设计或者课程设计足够了，之前看同学花了老大一笔买了个这种程序，太亏了，我直接写篇文章吧，有缘人可以直接改改用。 创建百度智能云账号并登录上一篇静态人脸识别已经写过详细教学了，不会的朋友可以看上一篇静态m：n搜索教程，前面东西都是一样的创建智能云账号，进入控制台，左侧列表展开选择人脸识别，领取免费资源，创建应用，创建人脸库。创建用户组，创建用户，添加用户人脸信息。 在此不再啰嗦，直接上硬货。 调用api实现因为api接口要求输入的图片格式必须是Base64，所以我们要把视频抽帧出来并转化为base64编码格式。 def frame2base64(frame): img = Image.fromarray(frame) #将每一帧转为Image output_buffer = BytesIO() # 创建一个BytesIO img.save(output_buffer, format='JPEG') # 写入output_buffer byte_data = output_buffer.getvalue() # 在内存中读取 base64_data = base64.b64encode(byte_data) # 转为BASE64 return base64_data # 转码成功 返回base64编码``在人脸框上如果想标注中文是不能直接用cv2.putText（）的，这样如果标注的中文直接显示？？？ 所以需要写一个函数： def cv2ImgAddText(img, text, left, top, textColor=(0, 255, 0), textSize=20): if (isinstance(img, np.ndarray)): # 判断是否OpenCV图片类型 img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) # 创建一个可以在给定图像上绘图的对象 draw = ImageDraw.Draw(img) # 字体的格式 fontStyle = ImageFont.truetype("simsun.ttc", textSize, encoding="utf-8") # 绘制文本 draw.text((left, top), text, textColor, font=fontStyle) # 转换回OpenCV格式 return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)这样就可以显示中文了。 完整代码 import cv2 from aip import AipFace from io import BytesIO import base64 from PIL import Image,ImageDraw, ImageFont import threading import numpy as np def cv2ImgAddText(img, text, left, top, textColor=(0, 255, 0), textSize=20): if (isinstance(img, np.ndarray)): # 判断是否OpenCV图片类型 img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) # 创建一个可以在给定图像上绘图的对象 draw = ImageDraw.Draw(img) # 字体的格式 fontStyle = ImageFont.truetype("simsun.ttc", textSize, encoding="utf-8") # 绘制文本 draw.text((left, top), text, textColor, font=fontStyle) # 转换回OpenCV格式 return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR) def frame2base64(frame): img = Image.fromarray(frame) #将每一帧转为Image output_buffer = BytesIO() # 创建一个BytesIO img.save(output_buffer, format='JPEG') # 写入output_buffer byte_data = output_buffer.getvalue() # 在内存中读取 base64_data = base64.b64encode(byte_data) # 转为BASE64 return base64_data # 转码成功 返回base64编码 def process(image,ls): """ 调用人脸检测 """ """ 如果有可选参数 """ #换成自己的appid APP_ID = '' API_KEY = '' SECRET_KEY = '' groupIdList = '' imageType = 'BASE64' base64=frame2base64(image) # base64 = str(base64) base64 = str(base64,'UTF-8') options = {} options["face_field"] = "age,gender,emotion" options["max_face_num"] = 10 options["face_type"] = "LIVE" options["match_threshold"] = 0 #options["liveness_control"] = "NORMAL" client = AipFace(APP_ID, API_KEY, SECRET_KEY) face_data=client.detect(base64, imageType, options) print(face_data) user_result = {} user_attribute = {} user_type = '访客' is_user = False if face_data['error_msg'] == 'SUCCESS': i = face_data['result']['face_list'][0] if i['face_probability']>0.8: is_user = True age=str(i['age']) gender = str('男' if i['gender']['type']== 'male' else '女') emotion = str(i['emotion']['type']) if emotion == 'disgust': emotion = 'angry' elif emotion == 'pouty': emotion = 'sad' elif emotion == 'grimace': emotion = 'happy' else: emotion = 'neutral' ##shibie # groupIdList = 'group_1' """ 如果有可选参数 """ options = {} options["max_face_num"] = 10 options["match_threshold"] = 0 options["quality_control"] = "LOW" options["liveness_control"] = "LOW" options["max_user_num"] = 7 # json1 = client.multiSearch(base64, imageType, groupIdList, options) json1 = client.multiSearch(base64, imageType, groupIdList, options) print(json1) face_num = face_data['result']['face_num'] for i in range(face_num): x = max(int(face_data['result']['face_list'][i]['location']['left']), 0) y = max(int(face_data['result']['face_list'][i]['location']['top']), 0) width = int(face_data['result']['face_list'][i]['location']['width']) height = int(face_data['result']['face_list'][i]['location']['height']) cv2.rectangle(image, (x, y), (x + width, y + height), (0, 0, 255), 2) if json1['error_msg']=='SUCCESS': user_attribute = [] user_type = '员工' user_result = {'is_user':is_user,'user_type':user_type,'user_attribute':user_attribute} if json1['result']['face_list'][0]['user_list'][i]['score']>70: print(json1['result']['face_list'][0]['user_list'][i]['user_id']) image = cv2ImgAddText(image,json1['result']['face_list'][0]['user_list'][i]['user_id'], max(x - 20, 0), max(y - 20, 0), (255, 255, 255), 20) else: cv2.putText(image, f"{str(face_data['result']['face_list'][i]['age'])} {face_data['result']['face_list'][i]['gender']['type']}", (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1.2, (255, 255, 255), 2) ls.append(image) else: user_result = {'is_user':is_user} print (user_result) # return user_result else: user_result = {'is_user':is_user} print (user_result) # return user_result # return user_result def main(): # video_capture = cv2.VideoCapture(0) video_capture = cv2.VideoCapture('1.avi') # video_capture.set(30, 30) # video_capture.set(6, cv2.VideoWriter.fourcc('M', 'J', 'P', 'G')) # video_capture.set(3, 640) # Width of the frames in the video stream. # video_capture.set(4, 480) # Height of the frames in the video stream. # video_capture.set(5, 30) # Frame rate. video_capture.set(cv2.CAP_PROP_FRAME_WIDTH, 640) # 宽度 video_capture.set(cv2.CAP_PROP_FRAME_HEIGHT, 480) # 高度 video_capture.set(cv2.CAP_PROP_FPS, 30) # 帧数 video_capture.set(cv2.CAP_PROP_BRIGHTNESS, 1) # 亮度 1 video_capture.set(cv2.CAP_PROP_CONTRAST, 40) # 对比度 40 video_capture.set(cv2.CAP_PROP_SATURATION, 50) # 饱和度 50 video_capture.set(cv2.CAP_PROP_HUE, 50) # 色调 50 video_capture.set(cv2.CAP_PROP_EXPOSURE, 50) # 曝光 50 while True: ls = [] ret, frame = video_capture.read() t = threading.Thread(target=process,args=(frame,ls)) t.start() t.join() frame = ls[0] if ls else frame cv2.imshow('wx',frame) if cv2.waitKey(1) & 0xFF == ord('Q'): cv2.destroyAllWindows() video_capture.release() break if __name__ == "__main__": main()代码改一下appid那块就可以用啦，因为调用 的百度开源模型，并没有太大技术。适合新手小白，应付一下做个简单的毕业设计或者课程设计也挺好的。哪里不明白或者有问题可以关注公众号“AI毒瘤”私信留言，博主会不定时更新编程小技巧哦~ |
【本文地址】