MySQL怎样创建datetime mysql怎样创建人脸库

转载

智能开发艺术家 2023-12-18 10:26:40

文章标签 MySQL怎样创建datetime Python 人脸识别 MySQL face_recognition 文章分类 MySQL 数据库

需求描述

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。

需求分析

1、准备

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、识别

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。

3、编码

由于face_recognition的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
思路：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。

4.译码

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。
思路：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。

5.输出

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。
中文文字图像显示解决思路：通过调用本地已存在的字体，利用PIL进行格式转换。

解决方案

数据库设计

MySQL怎样创建datetime mysql怎样创建人脸库_人脸识别

FaceSQL.py：MySQL数据库处理相关

import pymysql

class FaceSQL:
    def __init__(self):
        self.conn = pymysql.connect(
            # 数据库的IP地址
            host="xxx.xxx.xxx.xxx",
            # 数据库用户名称
            user="******",
            # 数据库用户密码
            password="******",
            # 数据库名称
            db="xxx",
            # 数据库端口名称
            port=3306,
            # 数据库的编码方式 注意是utf8
            charset="utf8"
        )

    def processFaceData(self, sqlstr, args=()):
        print(sqlstr)
        # 使用 cursor() 方法创建一个游标对象 cursor
        cursor = self.conn.cursor()
        try:
            # 执行sql语句
            cursor.execute(sqlstr, args)
            # 提交到数据库执行
            self.conn.commit()
        except Exception as e:
            # 如果发生错误则回滚并打印错误信息
            self.conn.rollback()
            print(e)
        finally:
            # 关闭游标
            cursor.close()

    def saveFaceData(self,id,encoding_str):
        self.processFaceData("insert into face(学号,encoding) values(%s,%s)", (id, encoding_str))

    def updateFaceData(self, id, encoding_str):
        self.processFaceData("update face set encoding = %s where 学号 = %s", (encoding_str, id))

    def execute_float_sqlstr(self, sqlstr):
        # 使用 cursor() 方法创建一个游标对象 cursor
        cursor = self.conn.cursor()
        # SQL插入语句

        results = []
        try:
            # 执行sql语句
            cursor.execute(sqlstr)
            # 获取所有记录列表
            results = cursor.fetchall()
        except Exception as e:
            # 如果发生错误则回滚并打印错误信息
            self.conn.rollback()
            print(e)
        finally:
            # 关闭游标
            cursor.close()
        return results

    def sreachFaceData(self, id):
        return self.execute_float_sqlstr( "select * from face where 学号="+id)

    def allFaceData(self):
        return self.execute_float_sqlstr( "select * from face ")

    def sreach_Info(self,id):
        return self.execute_float_sqlstr( "select * from zstustu where 学号='" + id + "'")

FaceTools.py：人脸特征信息处理相关

import face_recognition
import numpy
from os import listdir,path
from FaceSQL import FaceSQL
class FaceTools:
    def __init__(self):
        try:
            self.facesql=FaceSQL()
        except :
            print("数据库连接错误")

    def encoding_FaceStr(self, image_face_encoding):
        # 将numpy array类型转化为列表
        encoding__array_list = image_face_encoding.tolist()
        # 将列表里的元素转化为字符串
        encoding_str_list = [str(i) for i in encoding__array_list]
        # 拼接列表里的字符串
        encoding_str = ','.join(encoding_str_list)
        return encoding_str

    def decoding_FaceStr(self, encoding_str):
        # print("name=%s,encoding=%s" % (name, encoding))
        # 将字符串转为numpy ndarray类型，即矩阵
        # 转换成一个list
        dlist = encoding_str.strip(' ').split(',')
        # 将list中str转换为float
        dfloat = list(map(float, dlist))
        face_encoding = numpy.array(dfloat)
        return face_encoding

    def add_Face(self,image_name, id):
        # 加载本地图像文件到一个numpy ndarray类型的对象上
        image = face_recognition.load_image_file("./photo/"+image_name)
        # 返回图像中每个面的128维人脸编码
        # 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
        image_face_encoding = face_recognition.face_encodings(image)[0]
        encoding_str =self.encoding_FaceStr(image_face_encoding)
        # 将人脸特征编码存进数据库
        self.facesql.saveFaceData(id,encoding_str)

    def updata_Face(self, image_name, id):
        # 加载本地图像文件到一个numpy ndarray类型的对象上
        image = face_recognition.load_image_file("./photo/"+image_name)
        # 返回图像中每个面的128维人脸编码
        # 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
        image_face_encoding = face_recognition.face_encodings(image)[0]
        encoding_str = self.encoding_FaceStr(image_face_encoding)
        # 将人脸特征编码更新数据库
        self.facesql.updateFaceData(id, encoding_str)

    def sreach_Face(self, id):
        face_encoding_strs = self.facesql.sreachFaceData(id)
        # 人脸特征编码集合
        face_encodings = []
        # 人脸特征姓名集合
        face_names = []
        for row in face_encoding_strs:
            name = row[0]
            face_encoding_str = row[1]
            # 将从数据库获取出来的信息追加到集合中
            face_encodings.append(self.decoding_FaceStr(face_encoding_str))
            face_names.append(name)
        return face_names,face_encodings

    def load_faceoffile(self):
        filepath = 'photo'
        filename_list = listdir(filepath)
        # 人脸特征编码集合
        face_encodings = []
        # 人脸特征姓名集合
        face_names = []
        a = 0
        for filename in filename_list:  # 依次读入列表中的内容
            a += 1
            if filename.endswith('jpg'):  # 后缀名'jpg'匹对
                face_names.append(filename[:-4])  # 把文件名字的后四位.jpg去掉获取人名
                file_str = 'photo' + '/' + filename
                a_images = face_recognition.load_image_file(file_str)
                print(file_str)
                a_face_encoding = face_recognition.face_encodings(a_images)[0]
                face_encodings.append(a_face_encoding)
        print(face_names, a)
        return face_names,face_encodings
    def load_faceofdatabase(self):
        try:
            face_encoding_strs = self.facesql.allFaceData()
        except:
            print("数据库连接错误")
        # 人脸特征编码集合
        face_encodings = []
        # 人脸特征姓名集合
        face_names = []
        for row in face_encoding_strs:
            name = row[0]
            face_encoding_str = row[1]
            # 将从数据库获取出来的信息追加到集合中
            face_encodings.append(self.decoding_FaceStr(face_encoding_str))
            face_names.append(name)
        return  face_names, face_encodings
    def load_images_face(self,filepath):
        filename_list = listdir(filepath)
        for filename in filename_list:  # 依次读入列表中的内容
            if path.isdir(filepath+filename):
                self.load_images_face(filepath+filename+"\\")
            if filename.endswith('jpg'):  # 后缀名'jpg'匹对
                file_str = filepath + filename
                a_images = face_recognition.load_image_file(file_str)
                print(file_str)
                face_encoding = face_recognition.face_encodings(a_images)
                if face_encoding != []:
                    a_face_encoding = face_encoding[0]
                    encoding_str = self.encoding_FaceStr(a_face_encoding)
                    self.facesql.saveFaceData(filename[:-4], encoding_str)
    def load_images_faces(self, filepath):
        filename_list = listdir(filepath)
        a=0
        for filename in filename_list:  # 依次读入列表中的内容
            if filename.endswith('jpg'):  # 后缀名'jpg'匹对
                file_str = filepath + filename
                a_images = face_recognition.load_image_file(file_str)
                print(file_str)
                face_encoding = face_recognition.face_encodings(a_images)
                for a_face_encoding in face_encoding:
                    a += 1
                    encoding_str = self.encoding_FaceStr(a_face_encoding)
                    self.facesql.saveFaceData(filename[:-4] + "-" + str(a), encoding_str)