id_dict = {}  # 字典里存的是id——name鍵值對
Total_face_num = 999  # 已經(jīng)被識別有用戶名的人臉個數(shù),

# 加載OpenCV人臉檢測分類器Haar
face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
# 準(zhǔn)備好識別方法LBPH方法
recognizer = cv2.face.LBPHFaceRecognizer_create()

camera = cv2.VideoCapture(0)  # 攝像頭
success, img = camera.read()  # 從攝像頭讀取照片

  # 其中g(shù)ray為要檢測的灰度圖像，1.3為每次圖像尺寸減小的比例，5為minNeighbors
  faces = face_cascade.detectMultiScale(gray, 1.3, 5)

 cv2.rectangle(img, (x, y), (x + w, y + w), (255, 0, 0))
 cv2.imwrite("./data/User." + str(T) + '.' + str(sample_num) + '.jpg', gray[y:y + h, x:x + w])

print("\r" + "%{:.1f}".format(sample_num / pictur_num * 100) + "=" * l + "->" + "_" * r, end="")
var.set("%{:.1f}".format(sample_num / pictur_num * 100))  # 控件可視化進度信息
window.update()  # 刷新控件以實時顯示進度

    # 訓(xùn)練模型  #將輸入的所有圖片轉(zhuǎn)成四維數(shù)組
    recog.train(faces, np.array(ids))

 recog.save(str(Total_face_num) + ".yml")

    f = open('config.txt', 'r+')
    flist = f.readlines()
    flist[0] = str(int(flist[0]) + 1) + " \n"
    f.close()
    
    f = open('config.txt', 'w+')
    f.writelines(flist)
    f.close()

f.write(str(T) + " User" + str(T) + " \n")

idnum, confidence = recognizer.predict(gray[y:y + h, x:x + w])
# 加載一個字體用于輸出識別對象的信息
font = cv2.FONT_HERSHEY_SIMPLEX
# 輸出檢驗結(jié)果以及用戶名
cv2.putText(img, str(user_name), (x + 5, y - 5), font, 1, (0, 0, 255), 1)
cv2.putText(img, str(confidence), (x + 5, y + h - 5), font, 1, (0, 0, 0), 1)

p = threading.Thread(target=f_scan_face_thread)

global system_state_lock
while system_state_lock == 2:  # 如果正在錄入新面孔就阻塞
	  pass

window.after(1, video_loop)
# 這句的意思是一秒以后執(zhí)行video_loop函數(shù)
# 因為這一句是寫在video_loop函數(shù)中的所以每過一秒函數(shù)執(zhí)行一次。

# 實驗環(huán)境：python 3.6 + opencv-python 3.4.14.51

import cv2
import numpy as np
import os
import shutil
import threading
import tkinter as tk
from PIL import Image, ImageTk

# 首先讀取config文件，第一行代表當(dāng)前已經(jīng)儲存的人名個數(shù)，接下來每一行是（id，name）標(biāo)簽和對應(yīng)的人名
id_dict = {}  # 字典里存的是id——name鍵值對
Total_face_num = 999  # 已經(jīng)被識別有用戶名的人臉個數(shù),


def init():  # 將config文件內(nèi)的信息讀入到字典中
    f = open('config.txt')
    global Total_face_num
    Total_face_num = int(f.readline())

    for i in range(int(Total_face_num)):
        line = f.readline()
        id_name = line.split(' ')
        id_dict[int(id_name[0])] = id_name[1]
    f.close()


init()

# 加載OpenCV人臉檢測分類器Haar
face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")

# 準(zhǔn)備好識別方法LBPH方法
recognizer = cv2.face.LBPHFaceRecognizer_create()

# 打開標(biāo)號為0的攝像頭
camera = cv2.VideoCapture(0)  # 攝像頭
success, img = camera.read()  # 從攝像頭讀取照片
W_size = 0.1 * camera.get(3)
H_size = 0.1 * camera.get(4)

system_state_lock = 0  # 標(biāo)志系統(tǒng)狀態(tài)的量 0表示無子線程在運行 1表示正在刷臉 2表示正在錄入新面孔。
# 相當(dāng)于mutex鎖，用于線程同步


'''
============================================================================================
以上是初始化
============================================================================================
'''


def Get_new_face():
    print("正在從攝像頭錄入新人臉信息 \n")

    # 存在目錄data就清空，不存在就創(chuàng)建，確保最后存在空的data目錄
    filepath = "data"
    if not os.path.exists(filepath):
        os.mkdir(filepath)
    else:
        shutil.rmtree(filepath)
        os.mkdir(filepath)

    sample_num = 0  # 已經(jīng)獲得的樣本數(shù)

    while True:  # 從攝像頭讀取圖片

        global success
        global img  # 因為要顯示在可視化的控件內(nèi)，所以要用全局的
        success, img = camera.read()

        # 轉(zhuǎn)為灰度圖片
        if success is True:
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        else:
            break

        # 檢測人臉，將每一幀攝像頭記錄的數(shù)據(jù)帶入OpenCv中，讓Classifier判斷人臉
        # 其中g(shù)ray為要檢測的灰度圖像，1.3為每次圖像尺寸減小的比例，5為minNeighbors
        face_detector = face_cascade
        faces = face_detector.detectMultiScale(gray, 1.3, 5)

        # 框選人臉，for循環(huán)保證一個能檢測的實時動態(tài)視頻流
        for (x, y, w, h) in faces:
            # xy為左上角的坐標(biāo),w為寬，h為高，用rectangle為人臉標(biāo)記畫框
            cv2.rectangle(img, (x, y), (x + w, y + w), (255, 0, 0))
            # 樣本數(shù)加1
            sample_num += 1
            # 保存圖像，把灰度圖片看成二維數(shù)組來檢測人臉區(qū)域，這里是保存在data緩沖文件夾內(nèi)
            T = Total_face_num
            cv2.imwrite("./data/User." + str(T) + '.' + str(sample_num) + '.jpg', gray[y:y + h, x:x + w])

        pictur_num = 30  # 表示攝像頭拍攝取樣的數(shù)量,越多效果越好，但獲取以及訓(xùn)練的越慢

        cv2.waitKey(1)
        if sample_num > pictur_num:
            break
        else:  # 控制臺內(nèi)輸出進度條
            l = int(sample_num / pictur_num * 50)
            r = int((pictur_num - sample_num) / pictur_num * 50)
            print("\r" + "%{:.1f}".format(sample_num / pictur_num * 100) + "=" * l + "->" + "_" * r, end="")
            var.set("%{:.1f}".format(sample_num / pictur_num * 100))  # 控件可視化進度信息
            # tk.Tk().update()
            window.update()  # 刷新控件以實時顯示進度


def Train_new_face():
    print("\n正在訓(xùn)練")
    # cv2.destroyAllWindows()
    path = 'data'

    # 初始化識別的方法
    recog = cv2.face.LBPHFaceRecognizer_create()

    # 調(diào)用函數(shù)并將數(shù)據(jù)喂給識別器訓(xùn)練
    faces, ids = get_images_and_labels(path)
    print('本次用于訓(xùn)練的識別碼為:')  # 調(diào)試信息
    print(ids)  # 輸出識別碼

    # 訓(xùn)練模型  #將輸入的所有圖片轉(zhuǎn)成四維數(shù)組
    recog.train(faces, np.array(ids))
    # 保存模型

    yml = str(Total_face_num) + ".yml"
    rec_f = open(yml, "w+")
    rec_f.close()
    recog.save(yml)

    # recog.save('aaa.yml')


# 創(chuàng)建一個函數(shù)，用于從數(shù)據(jù)集文件夾中獲取訓(xùn)練圖片,并獲取id
# 注意圖片的命名格式為User.id.sampleNum
def get_images_and_labels(path):
    image_paths = [os.path.join(path, f) for f in os.listdir(path)]
    # 新建連個list用于存放
    face_samples = []
    ids = []

    # 遍歷圖片路徑，導(dǎo)入圖片和id添加到list中
    for image_path in image_paths:

        # 通過圖片路徑將其轉(zhuǎn)換為灰度圖片
        img = Image.open(image_path).convert('L')

        # 將圖片轉(zhuǎn)化為數(shù)組
        img_np = np.array(img, 'uint8')

        if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':
            continue

        # 為了獲取id，將圖片和路徑分裂并獲取
        id = int(os.path.split(image_path)[-1].split(".")[1])

        # 調(diào)用熟悉的人臉分類器
        detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

        faces = detector.detectMultiScale(img_np)

        # 將獲取的圖片和id添加到list中
        for (x, y, w, h) in faces:
            face_samples.append(img_np[y:y + h, x:x + w])
            ids.append(id)
    return face_samples, ids


def write_config():
    print("新人臉訓(xùn)練結(jié)束")
    f = open('config.txt', "a")
    T = Total_face_num
    f.write(str(T) + " User" + str(T) + " \n")
    f.close()
    id_dict[T] = "User" + str(T)

    # 這里修改文件的方式是先讀入內(nèi)存，然后修改內(nèi)存中的數(shù)據(jù)，最后寫回文件
    f = open('config.txt', 'r+')
    flist = f.readlines()
    flist[0] = str(int(flist[0]) + 1) + " \n"
    f.close()

    f = open('config.txt', 'w+')
    f.writelines(flist)
    f.close()


'''
============================================================================================
以上是錄入新人臉信息功能的實現(xiàn)
============================================================================================
'''


def scan_face():
    # 使用之前訓(xùn)練好的模型
    for i in range(Total_face_num):  # 每個識別器都要用
        i += 1
        yml = str(i) + ".yml"
        print("\n本次:" + yml)  # 調(diào)試信息
        recognizer.read(yml)

        ave_poss = 0
        for times in range(10):  # 每個識別器掃描十遍
            times += 1
            cur_poss = 0
            global success
            global img

            global system_state_lock
            while system_state_lock == 2:  # 如果正在錄入新面孔就阻塞
                print("\r刷臉被錄入面容阻塞", end="")
                pass

            success, img = camera.read()
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            # 識別人臉
            faces = face_cascade.detectMultiScale(
                gray,
                scaleFactor=1.2,
                minNeighbors=5,
                minSize=(int(W_size), int(H_size))
            )
            # 進行校驗
            for (x, y, w, h) in faces:

                # global system_state_lock
                while system_state_lock == 2:  # 如果正在錄入新面孔就阻塞
                    print("\r刷臉被錄入面容阻塞", end="")
                    pass
                # 這里調(diào)用Cv2中的rectangle函數(shù) 在人臉周圍畫一個矩形
                cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
                # 調(diào)用分類器的預(yù)測函數(shù)，接收返回值標(biāo)簽和置信度
                idnum, confidence = recognizer.predict(gray[y:y + h, x:x + w])
                conf = confidence
                # 計算出一個檢驗結(jié)果
                if confidence < 100:  # 可以識別出已經(jīng)訓(xùn)練的對象——直接輸出姓名在屏幕上
                    if idnum in id_dict:
                        user_name = id_dict[idnum]
                    else:
                        # print("無法識別的ID:{}\t".format(idnum), end="")
                        user_name = "Untagged user:" + str(idnum)
                    confidence = "{0}%", format(round(100 - confidence))
                else:  # 無法識別此對象，那么就開始訓(xùn)練
                    user_name = "unknown"
                    # print("檢測到陌生人臉\n")

                    # cv2.destroyAllWindows()
                    # global Total_face_num
                    # Total_face_num += 1
                    # Get_new_face()  # 采集新人臉
                    # Train_new_face()  # 訓(xùn)練采集到的新人臉
                    # write_config()  # 修改配置文件
                    # recognizer.read('aaa.yml')  # 讀取新識別器

                # 加載一個字體用于輸出識別對象的信息
                font = cv2.FONT_HERSHEY_SIMPLEX

                # 輸出檢驗結(jié)果以及用戶名
                cv2.putText(img, str(user_name), (x + 5, y - 5), font, 1, (0, 0, 255), 1)
                cv2.putText(img, str(confidence), (x + 5, y + h - 5), font, 1, (0, 0, 0), 1)

                # 展示結(jié)果
                # cv2.imshow('camera', img)

                print("conf=" + str(conf), end="\t")
                if 15 > conf > 0:
                    cur_poss = 1  # 表示可以識別
                elif 60 > conf > 35:
                    cur_poss = 1  # 表示可以識別
                else:
                    cur_poss = 0  # 表示不可以識別

            k = cv2.waitKey(1)
            if k == 27:
                # cam.release()  # 釋放資源
                cv2.destroyAllWindows()
                break

            ave_poss += cur_poss

        if ave_poss >= 5:  # 有一半以上識別說明可行則返回
            return i

    return 0  # 全部過一遍還沒識別出說明無法識別


'''
============================================================================================
以上是關(guān)于刷臉功能的設(shè)計
============================================================================================
'''


def f_scan_face_thread():
    # 使用之前訓(xùn)練好的模型
    # recognizer.read('aaa.yml')
    var.set('刷臉')
    ans = scan_face()
    if ans == 0:
        print("最終結(jié)果：無法識別")
        var.set("最終結(jié)果：無法識別")

    else:
        ans_name = "最終結(jié)果：" + str(ans) + id_dict[ans]
        print(ans_name)
        var.set(ans_name)

    global system_state_lock
    print("鎖被釋放0")
    system_state_lock = 0  # 修改system_state_lock,釋放資源


def f_scan_face():
    global system_state_lock
    print("\n當(dāng)前鎖的值為：" + str(system_state_lock))
    if system_state_lock == 1:
        print("阻塞，因為正在刷臉")
        return 0
    elif system_state_lock == 2:  # 如果正在錄入新面孔就阻塞
        print("\n刷臉被錄入面容阻塞\n"
              "")
        return 0
    system_state_lock = 1
    p = threading.Thread(target=f_scan_face_thread)
    p.setDaemon(True)  # 把線程P設(shè)置為守護線程 若主線程退出 P也跟著退出
    p.start()


def f_rec_face_thread():
    var.set('錄入')
    cv2.destroyAllWindows()
    global Total_face_num
    Total_face_num += 1
    Get_new_face()  # 采集新人臉
    print("采集完畢，開始訓(xùn)練")
    global system_state_lock  # 采集完就可以解開鎖
    print("鎖被釋放0")
    system_state_lock = 0

    Train_new_face()  # 訓(xùn)練采集到的新人臉
    write_config()  # 修改配置文件


#    recognizer.read('aaa.yml')  # 讀取新識別器

# global system_state_lock
# print("鎖被釋放0")
# system_state_lock = 0  # 修改system_state_lock,釋放資源


def f_rec_face():
    global system_state_lock
    print("當(dāng)前鎖的值為：" + str(system_state_lock))
    if system_state_lock == 2:
        print("阻塞，因為正在錄入面容")
        return 0
    else:
        system_state_lock = 2  # 修改system_state_lock
        print("改為2", end="")
        print("當(dāng)前鎖的值為：" + str(system_state_lock))

    p = threading.Thread(target=f_rec_face_thread)
    p.setDaemon(True)  # 把線程P設(shè)置為守護線程 若主線程退出 P也跟著退出
    p.start()
    # tk.Tk().update()


#  system_state_lock = 0  # 修改system_state_lock,釋放資源


def f_exit():  # 退出按鈕
    exit()


'''
============================================================================================
以上是關(guān)于多線程的設(shè)計
============================================================================================
'''

window = tk.Tk()
window.title('Cheney\' Face_rec 3.0')   # 窗口標(biāo)題
window.geometry('1000x500')  # 這里的乘是小x

# 在圖形界面上設(shè)定標(biāo)簽，類似于一個提示窗口的作用
var = tk.StringVar()
l = tk.Label(window, textvariable=var, bg='green', fg='white', font=('Arial', 12), width=50, height=4)
# 說明： bg為背景，fg為字體顏色，font為字體，width為長，height為高，這里的長和高是字符的長和高，比如height=2,就是標(biāo)簽有2個字符這么高
l.pack()  # 放置l控件

# 在窗口界面設(shè)置放置Button按鍵并綁定處理函數(shù)
button_a = tk.Button(window, text='開始刷臉', font=('Arial', 12), width=10, height=2, command=f_scan_face)
button_a.place(x=800, y=120)

button_b = tk.Button(window, text='錄入人臉', font=('Arial', 12), width=10, height=2, command=f_rec_face)
button_b.place(x=800, y=220)

button_b = tk.Button(window, text='退出', font=('Arial', 12), width=10, height=2, command=f_exit)
button_b.place(x=800, y=320)

panel = tk.Label(window, width=500, height=350)  # 攝像頭模塊大小
panel.place(x=10, y=100)  # 攝像頭模塊的位置
window.config(cursor="arrow")


def video_loop():  # 用于在label內(nèi)動態(tài)展示攝像頭內(nèi)容（攝像頭嵌入控件）
    # success, img = camera.read()  # 從攝像頭讀取照片
    global success
    global img
    if success:
        cv2.waitKey(1)
        cv2image = cv2.cvtColor(img, cv2.COLOR_BGR2RGBA)  # 轉(zhuǎn)換顏色從BGR到RGBA
        current_image = Image.fromarray(cv2image)  # 將圖像轉(zhuǎn)換成Image對象
        imgtk = ImageTk.PhotoImage(image=current_image)
        panel.imgtk = imgtk
        panel.config(image=imgtk)
        window.after(1, video_loop)


video_loop()

#  窗口循環(huán)，用于顯示
window.mainloop()

'''
============================================================================================
以上是關(guān)于界面的設(shè)計
============================================================================================
'''