建筑兔零基础自学python记录22|实战人脸识别项目——视频人脸识别（下）11

这次我们继续解读代码，我们主要来看下面两个部分；

至于人脸识别成功的要点我们在最后总结~

具体代码学习：

#定义人脸名称
def name():
    #预学习照片存放位置
    path = 'M:/python/workspace/PythonProject/face/'
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    for imagePath in imagePaths:
       name = str(os.path.split(imagePath)[1].split('.',2)[1])
       names.append(name)

（1）os.path.join()协调文件路径中'/'   '\'差异

     将多个路径组件智能地拼接成一个完整的路径。由于不同操作系统的差异，os.path.join() 可以根据当前操作系统自动处理这些差异。

补充：不同操作系统使用不同的路径分隔符。

           Windows 使用反斜杠 \，Unix/Linux 和 macOS 使用正斜杠 /

#举例：
import os

# 拼接路径
path = os.path.join('home', 'user', 'documents')
print(path)

• 在 Windows 系统上，输出可能是 home\user\documents。
• 在 Unix/Linux 或 macOS 系统上，输出为 home/user/documents。

（2）os.listdir()输出某目录下所有文件名

即os.listdir(path)获得了['1.lss.jpg', '2.lss.jpg']

os.path.join()将路径M:\python\workspace\PythonProject\face替换为

M:/python/workspace/PythonProject/face/1.lss.jpg

M:/python/workspace/PythonProject/face/2.lss.jpg

• os.path.join(path, f)这里path 是前面指定的目录路径，f 是 os.listdir(path) 返回列表中的每个元素（即文件或文件夹名称）。
• 代码比较长，我们来看一下这个循环的内容：
  

      这行代码遍历 os.listdir(path) 返回的列表，对每个文件名 调用 os.path.join(path, f) 进行路径拼接，最终将所有拼接好的完整路径组成一个新的列表。

    我们可以把整段代码的阅读顺序做如下表达：

让我们继续解读：

  for imagePath in imagePaths:
       name = str(os.path.split(imagePath)[1].split('.',2)[1])
       names.append(name) 

for imagePath in imagePaths是在刚形成的imagePath列表里自己进行循环

（3）os.path.split(）将一个文件路径拆分为目录部分和文件名部分。

• 通过上一个代码我们获取了imagePath=M:/python/workspace/PythonProject/face/1.lss.jpg
• os.path.split(imagePath)就是把M:/python/workspace/PythonProject/face/1.lss.jpg拆为：
• 文件目录M:/python/workspace/PythonProject/face/
• 文件名1.lss.jpg

os.path.split(imagePath)[1]是从文件目录和文件名中获取第二个文件名，即1.lss.jpg

补充：这里的第二个元素是因为列表、元组和字符串的索引都是从 0 开始，即[0]代表首位，[1]代表第二个，以此类推。

（4）split() 将字符串按照指定的分隔符分割成多个子字符串，并返回一个包含这些子字符串的列表

str.split(sep=None, maxsplit=-1)

• sep：可选参数，指定分隔符。如果不提供该参数，默认使用空白字符（空格、制表符、换行符等）作为分隔符。
• maxsplit：可选参数，指定最大分割次数。如果不提供该参数，表示不限制分割次数。

• split('.', 2)的含义就是分隔符为 . 最多分隔2次。

• 对 '1.lss.jpg' 调用 split( ) 后，会得到列表 ['1', 'lss', 'jpg']。

• split('.',2)[1]这里从文件名1.lss.jpg中取出第二个元素，即lss

整行代码解读为：

（5）append()在列表的末尾添加一个新元素

list.append(object)

• list：表示要操作的列表对象。
• object：表示要添加到列表末尾的任意 Python 对象，比如字符串、整数、列表、元组等。

names.append(name)这里就是把开头创建的names列表填进了内容name

解读主函数：

内容我们都学过，就直接标注了

#打开视频test3.mp4读取每一帧
cap=cv2.VideoCapture('test3.mp4')
#调用自定义name函数
name()
while True:
    #读取视频里的帧
    flag,frame=cap.read()
    #如果没有帧则中断
    if not flag:
        break
    #调用自定义face_detect_demo函数，进行人脸识别和标注
    face_detect_demo(frame)
    if ord(' ') == cv2.waitKey(10):
        break

 （5）全部代码解读为：

import cv2
#导入与操作系统交互 os 模块
import os

#创建一个 LBPH（局部二值模式直方图）人脸识别器对象，用于训练和识别人脸。
recogizer=cv2.face.LBPHFaceRecognizer_create()
#读取训练好的人脸识别模型yml文件
recogizer.read('M:/python/workspace/PythonProject/trainer/trainer.yml')
#初始化一个空列表names，用于存储人脸对应的名称。
names=[]
#初始化一个全局变量warningtime，用于记录未知人脸出现的次数。
warningtime = 1

#自定义人脸识别
def face_detect_demo(img):
    #彩图转化为灰图
    gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    #调用人脸识别分类器
    face_detector=cv2.CascadeClassifier('M:/python/pythoninstall/Lib/site-packages/cv2/data/haarcascade_frontalface_alt.xml')
    #灰图中检测人脸
    face=face_detector.detectMultiScale(gray)
    for x,y,w,h in face:
        #原彩图中用红色矩形框人脸
        cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
        #人脸中心画绿圆
        cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1)
        #识别输入人脸，获取标签ids,置信度confidence
        ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
        #如果置信度confidence＞80
        if confidence > 80:
            #warningtime作为全局变量
            global warningtime
            #每次出现都+1
            warningtime += 1
            #控制台输出warningtime=，值为warningtime
            print('warningtime=',warningtime)
            #图像上绘制文本，文本是unknown，位置是x向右偏移10个像素。y向上偏移10个像素，字体无衬线，字体大小0.75，绿色
            cv2.putText(img, 'unknown', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
        else:
            #图像上绘制文本，文本是names列表中的，其余同上
            #坐标移动规律：+ 号撒腿右下跑，- 号转身左上飘
            cv2.putText(img,str(names[ids - 1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
    #弹出窗口名为result
    cv2.imshow('result',img)

#定义人脸名称
def name():
    #预学习照片存放位置
    path = 'M:/python/workspace/PythonProject/face/'
    #获取path路径下文件名，将文件名+路径拼接完整路径，将完整路径存到imagePaths中
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    for imagePath in imagePaths:
       #获取文件名中的一部分作为name,即name=lss
       name = str(os.path.split(imagePath)[1].split('.',2)[1])
       #将提取出的人脸名称 name 添加到 names 列表中
       names.append(name)

#打开视频test3.mp4读取每一帧
cap=cv2.VideoCapture('test3.mp4')
#调用自定义name函数
name()
while True:
    #读取视频里的帧
    flag,frame=cap.read()
    #如果没有帧则中断
    if not flag:
        break
    #调用自定义face_detect_demo函数，进行人脸识别和标注
    face_detect_demo(frame)
    if ord(' ') == cv2.waitKey(10):
        break

cv2.destroyAllWindows()
cap.release()
print(names)

（6）人脸识别成功的要点

   本次识别我们用两张人像即实现了人脸识别，这有赖于LBPH分类器的局部特征特性，少量图片即可识别。同时在素材选择中刻意选择了差异较大的人物，且目标人像的角度基本一致而检测任务则为其他角度。如果想提升识别准确性目前我所了解的一个是提升训练样本量，更改分类器或者用其他方式进行识别。在实验中我尝试了用130多张图用LBPH分类器，但训练效果不佳。所以目前的成果对于材料的选择有较高的要求。

（7）补充[]和（）的区别

1. 方括号 [] 用于表示列表（list）。列表是一种可变的、有序的数据集合，列表支持元素的添加、删除、修改等操作
2. 方括号 [] 用于索引和切片操作

my_list = [1, 'apple', True]

my_list = [1, 2, 3, 4, 5]
# 索引操作，获取第一个元素
first_element = my_list[0]

# 切片操作，获取第 2 到第 4 个元素
sub_list = my_list[1:4]
print(sub_list)  # 输出: [2, 3, 4]

my_tuple = (1, 2, 3, 4, 5)
# 元组的索引操作
first_tuple_element = my_tuple[0]
print(first_tuple_element)  # 输出: 1

squares = [i**2 for i in range(1, 6)]

1. 圆括号 () 用于表示元组（tuple）。元组是一种不可变的、有序的数据集合，一旦创建就不能修改其元素
2. 圆括号 () 用于函数调用。调用函数时，需要使用圆括号将参数括起来。如果函数不需要参数，也需要使用空的圆括号。

my_tuple = (1, 'apple', True)

def greet(name):

def say_hi():

综上大部分情况都使用圆括号（）

（8）总结

• os.path.join()协调文件路径中/\差异
• os.listdir()输出某目录下所有文件名
• os.path.split(）将一个文件路径拆分为目录部分和文件名部分
• split() 将字符串按照指定的分隔符分割成多个子字符串，并返回一个包含这些子字符串的列表
• append()在列表的末尾添加一个新元素