人脸识别系统代码--照片识别

1.导包

Tkinter用于创建GUI,PIL用于图像处理,cv2用于OpenCV库,subprocess用于运行其他Python脚本。

import tkinter as tk
from tkinter import filedialog
from PIL import Image, ImageTk
from PIL.Image import Resampling
import cv2
import subprocess

2.创建主窗口并设置标题和大小

win = tk.Tk()
win.title("人脸属性")
win.geometry("800x400")

 3.加载预训练的人脸检测模型和性别、年龄识别模型。

# 加载预训练的人脸检测模型
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 加载预训练的性别和年龄识别模型
gender_net = cv2.dnn.readNetFromCaffe('deploy_gender.prototxt', 'gender_net.caffemodel')
age_net = cv2.dnn.readNetFromCaffe('deploy_age.prototxt', 'age_net.caffemodel')

4.定义性别和年龄的标签列表

gender_list = ['男', '女']
age_list = ['(0-5)', '(5-10)', '(15-20)', '(20-25)',  '(25-30)', '(60-70)', '(45-55)', '(55-65)', '(65-80)', '(80-100)']

5.定义标量,用来储存用户选择图片的路径

selected_image1_path = None
selected_image2_path = None

6.定义字体样式

my_font = ('Arial', 18, 'normal')

7.创建画布

blue = tk.Canvas(win, width=350, height=200, bg='lightblue')
blue.place(x=30, y=120)pink = tk.Canvas(win, width=350, height=200, bg='light pink')
pink.place(x=420, y=120)

8.定义image1函数

用于处理第一个画布上的人脸识别。函数内部会打开文件选择对话框,加载图像,调整大小,转换为灰度图像进行人脸检测,然后使用深度学习模型预测性别和年龄,并在画布上显示结果。

def image1():# 调用全局变量global selected_image1_path, photo1, img1# 打开文件选择对话框selected_image1_path = filedialog.askopenfilename()if selected_image1_path:  # 检查用户是否选择了文件# 加载图像image= cv2.imread(selected_image1_path)# 调整图像大小image = cv2.resize(image, (130, 170))# 将 OpenCV 图像转换为 PIL 图像pil_image = Image.fromarray(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))# 将PIL图像对象转换为Tkinter图像对象photo1 = ImageTk.PhotoImage(pil_image)# 在画布上显示图像blue.create_image(80, 105, image=photo1)  # 调整坐标以适应画布# 转换为灰度图像gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 检测人脸faces = face_cascade.detectMultiScale(gray, 1.1, 4)if len(faces) > 0:# 遍历检测到的人脸for (x, y, w, h) in faces:# 从原始图像中裁剪人脸区域face_img = image[y:y + h, x:x + w].copy()# 预处理人脸图像以适应神经网络输入blob = cv2.dnn.blobFromImage(face_img, 1,(227, 227), (78.4263377603,87.7689143744, 114.895847746), swapRB=False)# 预测性别gender_net.setInput(blob)gender_preds = gender_net.forward()gender = gender_list[gender_preds[0].argmax()]# 预测年龄age_net.setInput(blob)age_preds = age_net.forward()age = age_list[age_preds[0].argmax()]tk.Label(blue, text=f'性别:{gender}', bg='lightblue', font=my_font).place(x=160, y=70)tk.Label(blue, text=f'年龄:{age}', bg='lightblue', font=my_font).place(x=160, y=120)else:tk.Label(blue,text='未检测到人脸', bg='lightblue', font=my_font).place(x=160, y=70)

9. 定义image2函数

image1类似,用于处理第二个画布上的人脸识别。

def image2():# 调用全局变量global selected_image2_path, photo2# 打开文件选择对话框selected_image2_path = filedialog.askopenfilename()if selected_image2_path:  # 检查用户是否选择了文件# 加载图像image = cv2.imread(selected_image2_path)# 调整图像大小image = cv2.resize(image, (130, 170))# 将 OpenCV 图像转换为 PIL 图像pil_image = Image.fromarray(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))# 将PIL图像对象转换为Tkinter图像对象photo2 = ImageTk.PhotoImage(pil_image)# 在画布上显示图像pink.create_image(80, 105, image=photo2)  # 调整坐标以适应画布# 转换为灰度图像gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 检测人脸faces = face_cascade.detectMultiScale(gray, 1.1, 4)if len(faces) > 0:# 遍历检测到的人脸for (x, y, w, h) in faces:# 从原始图像中裁剪人脸区域face_img = image[y:y + h, x:x + w].copy()# 预处理人脸图像以适应神经网络输入blob = cv2.dnn.blobFromImage(face_img, 1,(227, 227), (78.4263377603,87.7689143744, 114.895847746), swapRB=False)# 预测性别gender_net.setInput(blob)gender_preds = gender_net.forward()gender = gender_list[gender_preds[0].argmax()]# 预测年龄age_net.setInput(blob)age_preds = age_net.forward()age = age_list[age_preds[0].argmax()]tk.Label(pink, text=f'性别:{gender}', bg='lightpink', font=my_font).place(x=160, y=70)tk.Label(pink, text=f'年龄:{age}', bg='lightpink', font=my_font).place(x=160, y=120)else:tk.Label(pink, text='未检测到人脸', bg='lightpink', font=my_font).place(x=160, y=70)

10.定义close函数

用于关闭当前窗口并打开另一个Python脚本

def close():subprocess.Popen(["python", "属性判断.py"])win.destroy()

11.加载按钮图像

并创建三个按钮,分别用于选择图像1、选择图像2和关闭窗口

image = Image.open("img/F11.gif")  # 加载一张图片
photo7 = ImageTk.PhotoImage(image)
tk.Button(win, image=photo7, command=image1).place(x=100, y=30)image = Image.open("img/F12.gif")  # 加载一张图片
photo8 = ImageTk.PhotoImage(image)
tk.Button(win, image=photo8, command=image2).place(x=490, y=30)image = Image.open("img/T.gif")  # 加载一张图片
photo9 = ImageTk.PhotoImage(image)
tk.Button(win, image=photo9,command=close).place(x=300, y=350)

12.退出系统

win.mainloop()

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/845704.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

常见攻击类型整理

文章目录 网络攻击web攻击XSS攻击存储型XSS反射型XSSDOM型XSS CSRF攻击SQL注入攻击文件上传漏洞业务逻辑漏洞越权访问水平越权垂直越权 密码找回验证码漏洞 信息泄露暴力破解远程命令执行(RCE)xxe注入反序列化文件包含本地文件包含(LFI&#…

iperf3带宽压测工具使用

iperf3带宽压测工具使用 安装下载地址:[下载入口](https://iperf.fr/iperf-download.php)测试结果:时长测试(压测使用):并行测试反向测试UDP 带宽测试 iPerf3 是用于主动测试 IP 网络上最大可用带宽的工具 安装 下载地址&#x…

大话C语言:第21篇 数组

1 数组概述 数组是若干个相同类型的变量在内存中有序存储的集合。 数组是 C 语言中的一种数据结构,用于存储一组具有相同数据类型的数据。 数组在内存中会开辟一块连续的空间 数组中的每个元素可以通过一个索引(下标)来访问,索…

【Python Cookbook】S1E08 在两个字典中寻找相同点

目录 问题解决方案讨论 问题 在两个字典中,如果我们想要找到其中相同的地方,比如相同的键、相同的值等。 解决方案 考虑以下两个字典以及其中内容: a {x: 1,y: 2,z: 3 }b {w: 10,x: 11,y: 2 }要找出这两个字典中的相同之处,…

Java学习19-List、set容器

目录 一.List: 1.List基本介绍: 2.List接口方法: 3.List的三种遍历方式: 4.ArrayList: (1)ArrayLis的基本介绍: (2)ArrayList底层结构和源码分析&…

考研回顾纪录--科软考研失败并调剂兰州大学软件工程专业复试经历

1.背景 本人工作一年后决定考研,遂于2023年4月底离职。5月到家后开始学习。本科东北大学软件工程专业,绩点3.2/5,按照百分制计算是82分。本科纯属混子,只有一个四级551,一个数学竞赛省二等奖,大创学校立项…

算法刷题笔记 最长连续不重复子序列(C++实现)

文章目录 题目描述解题思路实现代码 题目描述 给定一个长度为n的整数序列,请找出最长的不包含重复的数的连续区间,输出它的长度。 输入格式 第一行包含整数n。第二行包含n个整数(均在 0∼10^5范围内),表示整数序列。…

vue打包时报错文件包过大

1.问题:npm run build 之后出现 2. 翻译之后意思就是某块过大 3. 解决办法:在vite.config.ts文件上添加 build: { chunkSizeWarningLimit: 1600, }, 4.最终打包

UnityLeapMotion流程记录

突然接到一个LeapMotion的项目,回想起上次做LeapMotion还是在几年前,但是当时没有去记录,所以这次就相当于是重新走了一遍流程。很苦恼,赶紧记录下来。防止之后忘记。这次的需求还是比较简单的,用手滑动控制图片序列播…

在Visual Studio2022中同一个项目里写作业,有多个cpp文件会报错

为了省事,在同一个项目里写很多个题目,结果只有一个cpp文件时没出错,写了2个cpp文件再想运行时就出错了; 将不相关的cpp文件移出去 在源文件中对其点击右键,找到“从项目中排除”; 结果如图,剩…

【Android】 怎么设置蓝牙等待设备连接和接收数据

项目需求 1.打开蓝牙之后等待别的蓝牙设备进行连接。 2.连接之后等待别的设备发送数据,然后接收数据。 3.跟别的蓝牙设备断开连接值进入到等待状态,等待别的蓝牙设备连接。 解决方式 //非手机终端的UUID public static final UUID SPP_UUID UUID.fro…

深度学习21天 —— 卷积神经网络(CNN):识别验证码( 第12天)

目录 一、前期准备 1.1 标签数字化 1.2 加载数据 1.3 配置数据 二、其他 2.1 损失函数 categorical_crossentropy 2.2 plt.legend(loc ) 2.3 history.history 活动地址:CSDN21天学习挑战赛 学习:深度学习100例-卷积神经网络(CNN&…

通过 SFP 接口实现千兆光纤以太网通信2

Tri Mode Ethernet MAC IP 核结构 时钟网络 IP 核内部时钟网络结构如下图所示。其中,tx_mac_aclk 为 AXI-Stream 发送接口的同步时钟, rx_mac_aclk 为 AXI-Stream 接收接口的同步时钟。由于在设计中没有使用 MDIO 接口,所以不存在时钟信号 …

二人订单共享结束制:终身受益的新模式

在当今快速发展的互联网时代,一个创新的商业模式总能引起广泛关注。其中,“二人订单共享结束制”以其独特的魅力,吸引了众多消费者和创业者的目光。这一模式不仅为消费者带来了实惠,更为创业者提供了一个全新的平台。 只需购买一…

Android的刷机模式

高通为例子。不看不知道,一看原来这么多。想以前做博通方案,就是一个web刷机包刷到死。到底是技术进步了还是以前太浅薄?!。。。 基本参考这篇:https://www.cnblogs.com/bluestorm/p/18129830 常用的应该就是OTA&…

OpenHarmony及鸿蒙应用的屏幕亮度获取以及设置

目录 一.前置知识 二.具体实现 一.前置知识 对应的OpenHarmony版本:V3.2 查找资料发现V3.2版本的OpenHarmony没有获屏幕亮度的接口,只有设置屏幕亮度的接口,这个就很奇怪,所以我最终的方案是获取屏幕亮度使用老的接口,设置屏幕亮度使用新的接口,这样就完成了这个需求…

C/C++中的 extern 和extern“C“关键字详解(通俗易懂)

前言 1、C/C extern关键字用法 2、extern "C"用法 正文 1、extern关键字 extern其实就是一个声明,明确指出一个语句是声明,比如extern int i ;这是声明变量i,而不是定义i,定义i则是int i(声明不开辟内存空…

网络数据库后端框架相关面试题

面试是工作的第一步,面试中面试官所提出的问题千奇百怪,其中关于网络数据库后端框架面试题汇总如下: 1,关系型数据库和非关系型数据库的区别 关系型数据库主要有 MYsql Iracle SQLSever等 相对于非关系型数据库的优势为查询效率…

【C++集群聊天服务器(一)】|Linux平台资源受限下boost库和muduo网络库源码编译安装

本人使用的服务器是2G2核 ubuntu22.04 前置工作 muduo库源码github仓库地址: muduo WIndows和Linux平台的boost源码包下载(zip是Windows版,tar.gz是Linux版,你也可以去boost官网下载最新版本) Boost C Libraries 由于muduo网络库是基于boo…

C语言| 输出*三角形

分析: ① 输入三角形主要分为两部分, 即输出空格和输出星号,要将它们分开,不用考虑空格数和星号个数之间的关系。 ② 从每行输出的空格个数来看,若总共输出n行,则第i行首先要输出n - i个空格,然…