devbox
我家小花儿
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

人脸识别之数据库存取_人脸数据保存数据库接口

作者：我家小花儿 | 2024-05-22 05:16:38

赞

踩

人脸数据保存数据库接口

一、程序概况

1.将人脸特征信息保存进MySQL数据库。

2.调用摄像头识别人脸，将待识别的人物进行识别，并实时地与数据库中的人脸特征信息进行比对，同时判断出被识别者的身份。

二、程序分析

1.主要利用opencv、face_recognition、numpy、pymysql等Python第三方类库，官方说法是face_recognition的人脸识别准确率高达99.6%。

2.利用face_recognition，可以很轻易地得到人脸128维的人脸编码，并且通过比对函数，就可以得出想要的结果。但是，128维的人脸编码是一个numpy ndarray类型，即矩阵，并不能存进数据库，要想存进数据库，必须进行类型转换，我的做法是先将矩阵转为列表，再将列表里的每个元素转为字符串，再用字符串拼接的方式拼成一个字符串，这时就可以把特征值存进数据库了。

3.既然是特征值的比对，那么从数据库取完数据之后，就需要把字符串重新转为矩阵格式，我的做法是先通过字符串切割，转为列表，再对列表里每个元素转为浮点型（float），最后再转为矩阵。

4.常规做法通过人脸识别后想要在图像上输出被识别者姓名，但是opencv有自己的一套编码规范，无法输出中文，如果保存的是中文，那么就会出现乱码的情况。出于强迫症，我就是要输出中文。我的做法是通过调用本地已存在的字体，利用PIL进行格式转换。

 三、环境搭建（基于Ubuntu系统）：

1.如果没有安装pip3,请使用以下命令进行安装：

   安装pip3:sudo apt-get install python3-pip

   升级pip3:sudo pip3 install --upgrade pip

2.安装boost库：sudo apt-get install libboost-all-dev

3.安装cmake:sudo apt-get install cmake

4.安装dlib:sudo pip3 install dlib

5.安装opencv:sudo pip3 install opencv_python==3.4.2.16

6.安装PyMySQL:sudo pip3 install PyMySQL

7.安装face_recognition:sudo pip3 install face_recognition

备注：安装face_recognition过程中会自动安装numpy、scipy等

四、准备工作

对于MySQL数据库的操作采用Navicat可视化工具，数据库为test,表为face。

如图：

附Navicat安装教程：https://blog.csdn.net/superit401/article/details/78110079/

解决Navicat中文乱码教程：https://blog.csdn.net/sinat_26546385/article/details/80381282

五、程序代码

1.feature.py #将人脸特征保存进数据库

  1. import face_recognition
  2. import pymysql
  3.  
  4.  
  5. # 加载图像及获取人脸特征
  6. def load_image(input_image, input_name):
  7.     # 加载本地图像文件到一个numpy ndarray类型的对象上
  8.     image = face_recognition.load_image_file(input_image)
  9.  
  10.     # 返回图像中每个面的128维人脸编码
  11.     # 图像中可能存在多张人脸，取下标为0的人脸编码，表示识别出来的最清晰的人脸
  12.     image_face_encoding = face_recognition.face_encodings(image)[0]
  13.  
  14.     # 将numpy array类型转化为列表
  15.     encoding__array_list = image_face_encoding.tolist()
  16.  
  17.     # 将列表里的元素转化为字符串
  18.     encoding_str_list = [str(i) for i in encoding__array_list]
  19.  
  20.     # 拼接列表里的字符串
  21.     encoding_str = ','.join(encoding_str_list)
  22.  
  23.     # 被识别者姓名
  24.     name = input_name
  25.  
  26.     # 将人脸特征编码存进数据库
  27.     save_encoding(encoding_str, name)
  28.  
  29.  
  30. # 人脸特征信息保存
  31. def save_encoding(encoding_str, name):
  32.     # 创建数据库连接对象
  33.     conn = pymysql.connect(
  34.         # 数据库的IP地址
  35.         host="127.0.0.1",
  36.         # 数据库用户名称
  37.         user="root",
  38.         # 数据库用户密码
  39.         password="123456",
  40.         # 数据库名称
  41.         db="test",
  42.         # 数据库端口名称
  43.         port=3306,
  44.         # 数据库的编码方式 注意是utf8
  45.         charset="utf8"
  46.     )
  47.  
  48.     # 使用 cursor() 方法创建一个游标对象 cursor
  49.     cursor = conn.cursor()
  50.  
  51.     # SQL插入语句
  52.     insert_sql = "insert into face(name,encoding) values(%s,%s)"
  53.     try:
  54.         # 执行sql语句
  55.         cursor.execute(insert_sql, (name, encoding_str))
  56.         # 提交到数据库执行
  57.         conn.commit()
  58.     except Exception as e:
  59.         # 如果发生错误则回滚并打印错误信息
  60.         conn.rollback()
  61.         print(e)
  62.  
  63.     # 关闭游标
  64.     cursor.close()
  65.     # 关闭数据库连接
  66.     conn.close()
  67.  
  68.  
  69. if __name__ == '__main__':
  70.     load_image("yangchaoyue.jpg", "杨超越")
  71.     load_image("zhangyishan.jpg", "张一山")

将以下两张图片中人物的人脸特征存入数据库

        

此时已经将人物的人脸特征存入到数据库中

2.recognition.py #人脸识别程序

  1. import face_recognition
  2. import cv2
  3. import pymysql
  4. import numpy as np
  5. from PIL import Image, ImageDraw, ImageFont
  6.  
  7. # 人脸特征编码集合
  8. known_face_encodings = []
  9.  
  10. # 人脸特征姓名集合
  11. known_face_names = []
  12.  
  13.  
  14. # 从数据库获取保存的人脸特征信息
  15. def get_info():
  16.     # 创建数据库连接对象
  17.     conn = pymysql.connect(
  18.         # 数据库的IP地址
  19.         host="127.0.0.1",
  20.         # 数据库用户名称
  21.         user="root",
  22.         # 数据库用户密码
  23.         password="123456",
  24.         # 数据库名称
  25.         db="test",
  26.         # 数据库端口名称
  27.         port=3306,
  28.         # 数据库的编码方式 注意是utf8
  29.         charset="utf8"
  30.     )
  31.  
  32.     # 使用 cursor() 方法创建一个游标对象 cursor
  33.     cursor = conn.cursor()
  34.  
  35.     # SQL查询语句
  36.     sql = "select * from face"
  37.     try:
  38.         # 执行SQL语句
  39.         cursor.execute(sql)
  40.         # 获取所有记录列表
  41.         results = cursor.fetchall()
  42.         # 返回的结果集为元组
  43.         for row in results:
  44.             name = row[1]
  45.             encoding = row[2]
  46.             # print("name=%s,encoding=%s" % (name, encoding))
  47.             # 将字符串转为numpy ndarray类型，即矩阵
  48.             # 转换成一个list
  49.             dlist = encoding.strip(' ').split(',')
  50.             # 将list中str转换为float
  51.             dfloat = list(map(float, dlist))
  52.             arr = np.array(dfloat)
  53.  
  54.             # 将从数据库获取出来的信息追加到集合中
  55.             known_face_encodings.append(arr)
  56.             known_face_names.append(name)
  57.  
  58.     except Exception as e:
  59.         print(e)
  60.  
  61.         # 关闭数据库连接
  62.         conn.close()
  63.  
  64.  
  65. # 加载视频图像
  66. def load_image():
  67.     #  打开摄像头 0代表笔记本的内置摄像头，1代表外置摄像头
  68.     video_capture = cv2.VideoCapture(0)
  69.  
  70.     # 得到特征信息
  71.     get_info()
  72.  
  73.     process_this_frame = True
  74.  
  75.     while True:
  76.         # 读取摄像头画面
  77.         ret, frame = video_capture.read()
  78.  
  79.         # 利用opencv的缩放函数改变摄像头图像的大小，图像越小，所做的计算就少
  80.         small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
  81.  
  82.         # opencv的图像是BGR格式的，而我们需要是的RGB格式的，因此需要进行一个转换。
  83.         rgb_small_frame = small_frame[:, :, ::-1]
  84.  
  85.         # 处理每一帧的图像
  86.         if process_this_frame:
  87.             # 使用默认的HOG模型查找图像中的所有人脸
  88.             face_locations = face_recognition.face_locations(rgb_small_frame)
  89.             # 如果硬件允许，可以使用GPU进行加速，此时应改为CNN模型
  90.             # face_locations = face_recognition.face_locations(image, number_of_times_to_upsample=0, model="cnn")
  91.  
  92.             # 返回128维人脸编码，即人脸特征
  93.             face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)
  94.  
  95.             face_names = []
  96.  
  97.             # 将得到的人脸特征与数据库中的人脸特征集合进行比较，相同返回True，不同返回False
  98.             for face_encoding in face_encodings:
  99.  
  100.                 # matches：一个返回值为True或者False值的列表，该表指示了known_face_encodings列表的每个成员的匹配结果
  101.                 # tolerance：越小对比越严格，官方说法是0.6为典型的最佳值，也是默认值
  102.                 # 这里我设置0.45为最佳，可能跟我硬件有关
  103.                 matches = face_recognition.compare_faces(known_face_encodings, face_encoding, tolerance=0.45)
  104.                 # 默认为unknown
  105.                 name = "Unknow"
  106.  
  107.                 if True in matches:
  108.                     first_match_index = matches.index(True)
  109.                     name = known_face_names[first_match_index]
  110.                     print('已存在')
  111.                 else:
  112.                     print('不存在')
  113.  
  114.                 face_names.append(name)
  115.  
  116.         process_this_frame = not process_this_frame
  117.  
  118.         # 将捕捉到的人脸显示出来
  119.         for (top, right, bottom, left), name in zip(face_locations, face_names):
  120.             # 恢复显示的图像大小
  121.             top *= 4
  122.             right *= 4
  123.             bottom *= 4
  124.             left *= 4
  125.  
  126.             # CV库有自己的编码规范，要想在图像上输出中文，需将图片格式转化为PIL库的格式，用PIL的方法写入中文，然后在转化为CV的格式
  127.             # cv2和PIL中颜色的hex码的储存顺序不同
  128.             cv2img = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
  129.             pilimg = Image.fromarray(cv2img)
  130.  
  131.             # PIL图片上打印汉字
  132.             draw = ImageDraw.Draw(pilimg)
  133.             # NotoSansCJK-Light.ttc为本机上已有的字体，可通过locate *.ttc进行查询
  134.             font = ImageFont.truetype("NotoSansCJK-Light.ttc", 30, encoding="utf-8")  # 参数1：字体文件路径，参数2：字体大小
  135.             draw.text((left + 10, top - 40), name, (255, 255, 255), font=font)  # 参数1：打印坐标，参数2：文本，参数3：字体颜色，参数4：字体
  136.  
  137.             # PIL图片转cv2 图片
  138.             frame = cv2.cvtColor(np.array(pilimg), cv2.COLOR_RGB2BGR)
  139.  
  140.             # 对人脸画出矩形框
  141.             cv2.rectangle(frame, (left, top), (right, bottom), (0, 255, 0), 2)
  142.  
  143.             # 如果只想输出英文，可以省略以上步骤，编写以下代码即可
  144.             # 显示的字体类型
  145.             # font = cv2.FONT_HERSHEY_TRIPLEX
  146.             # 打印识别信息
  147.             # cv2.putText(frame, name, (left + 6, top - 6), font, 1.0, (255, 255, 255), 1)
  148.  
  149.         # 显示图像
  150.         cv2.imshow('monitor', frame)
  151.  
  152.         # 按Q退出
  153.         if cv2.waitKey(1) & 0xFF == ord('q'):
  154.             break
  155.  
  156.     # 释放摄像头资源
  157.     video_capture.release()
  158.     # 关闭显示图像的窗口
  159.     cv2.destroyAllWindows()
  160.  
  161.  
  162. if __name__ == '__main__':
  163.     load_image()

输出结果（演示结果是导进去两张静态图片出来的结果）：

备注：将自己的图片进行导入，便可以看到实际效果

                             

 

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家小花儿/article/detail/606558
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号