本篇博文是Python+OpenCV实现AI人脸识别身份认证系统的收官之作，在人脸识别原理到数据采集、存储和训练识别模型基础上，实现人脸识别，废话少说，上效果图：

1

案例引入 

在AI人脸识别身份认证系统(3)——训练人脸识别模型中主要讲述神经网络模型的训练过程，使用OpenCV模块中的LBPH（LOCAL BINARY PATTERNS HISTOGRAMS）人脸识别器算法（cv2.face.LBPHFaceRecognizer_create()方法实现），训练生成“.yml”后缀的模型文件。

人脸识别的过程也非常简单，通过使用OpenCV模块读取“.yml”后缀的识别模型文件，实现人脸识别。

示例代码如下所示：

import cv2import numpy as np
recognizer = cv2.face.LBPHFaceRecognizer_create()recognizer.read('C:/Users/Administrator/Desktop/trainner.yml')
cascade_path = "C:/Users/Administrator/Desktop/haarcascade_frontalface_default.xml"face_cascade = cv2.CascadeClassifier(cascade_path)cam = cv2.VideoCapture(0)# font = cv2.cv.InitFont(cv2.cv.CV_FONT_HERSHEY_SIMPLEX, 1, 1, 0, 1, 1) # in OpenCV 2font = cv2.FONT_HERSHEY_SIMPLEX
while True:    ret, im = cam.read()    gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)    faces = face_cascade.detectMultiScale(gray, 1.2, 5)    for (x, y, w, h) in faces:        cv2.rectangle(im, (x - 50, y - 50), (x + w + 50, y + h + 50), (225, 0, 0), 2)        img_id, conf = recognizer.predict(gray[y:y + h, x:x + w])        if conf > 50:            if img_id == 1:                img_id = 'jie'        else:            img_id = "Unknown"        cv2.putText(im, str(img_id), (x, y + h), font, 0.55, (0, 255, 0), 1)    cv2.imshow('im', im)    if cv2.waitKey(10) & 0xFF == ord('q'):        break
cam.release()cv2.destroyAllWindows()

效果如下图所示： 

2

本节项目

本节项目是在数据采集、存储和训练识别模型基础上，实现人脸识别，识别方法和机制和案例引入部分一致，唯一区别在于添加了更多的个性化设置，联动报警、人脸识别的配置设置、帮组与支持的网页跳转和日志文件存储。

最后分享本节实现代码~

#!/usr/bin/env python3#CSDN：https://blog.csdn.net/m0_38106923#邮箱：www.1345070491@qq.comimport telegramimport cv2import dlib
from PyQt5.QtCore import QTimer, QThread, pyqtSignal, QRegExp, Qtfrom PyQt5.QtGui import QImage, QPixmap, QIcon, QTextCursor, QRegExpValidatorfrom PyQt5.QtWidgets import QDialog, QApplication, QMainWindow, QMessageBoxfrom PyQt5.uic import loadUi
import osimport webbrowserimport loggingimport logging.configimport sqlite3import sysimport threadingimport queueimport multiprocessingimport winsound
from configparser import ConfigParserfrom datetime import datetime

# 找不到已训练的人脸数据文件class TrainingDataNotFoundError(FileNotFoundError):    pass

# 找不到数据库文件class DatabaseNotFoundError(FileNotFoundError):    pass

class CoreUI(QMainWindow):    database = './FaceBase.db'    trainingData = './recognizer/trainingData.yml'    cap = cv2.VideoCapture()    captureQueue = queue.Queue()  # 图像队列    alarmQueue = queue.LifoQueue()  # 报警队列，后进先出    logQueue = multiprocessing.Queue()  # 日志队列    receiveLogSignal = pyqtSignal(str)  # LOG信号
   def __init__(self):        super(CoreUI, self).__init__()        loadUi('./ui/Core.ui', self)        self.setWindowIcon(QIcon('./icons/icon.png'))        self.setFixedSize(1161, 623)
       # 图像捕获        self.isExternalCameraUsed = False        self.useExternalCameraCheckBox.stateChanged.connect(            lambda: self.useExternalCamera(self.useExternalCameraCheckBox))        self.faceProcessingThread = FaceProcessingThread()        self.startWebcamButton.clicked.connect(self.startWebcam)
       # 数据库        self.initDbButton.setIcon(QIcon('./icons/warning.png'))        self.initDbButton.clicked.connect(self.initDb)
       self.timer = QTimer(self)  # 初始化一个定时器        self.timer.timeout.connect(self.updateFrame)
       # 功能开关        self.faceTrackerCheckBox.stateChanged.connect(            lambda: self.faceProcessingThread.enableFaceTracker(self))        self.faceRecognizerCheckBox.stateChanged.connect(            lambda: self.faceProcessingThread.enableFaceRecognizer(self))        self.panalarmCheckBox.stateChanged.connect(lambda: self.faceProcessingThread.enablePanalarm(self))
       # 直方图均衡化        self.equalizeHistCheckBox.stateChanged.connect(            lambda: self.faceProcessingThread.enableEqualizeHist(self))
       # 调试模式        self.debugCheckBox.stateChanged.connect(lambda: self.faceProcessingThread.enableDebug(self))        self.confidenceThresholdSlider.valueChanged.connect(            lambda: self.faceProcessingThread.setConfidenceThreshold(self))        self.autoAlarmThresholdSlider.valueChanged.connect(            lambda: self.faceProcessingThread.setAutoAlarmThreshold(self))
       # 报警系统        self.alarmSignalThreshold = 10        self.panalarmThread = threading.Thread(target=self.recieveAlarm, daemon=True)        self.isBellEnabled = True        self.bellCheckBox.stateChanged.connect(lambda: self.enableBell(self.bellCheckBox))        self.isTelegramBotPushEnabled = False        self.telegramBotPushCheckBox.stateChanged.connect(            lambda: self.enableTelegramBotPush(self.telegramBotPushCheckBox))        self.telegramBotSettingsButton.clicked.connect(self.telegramBotSettings)
       # 帮助与支持        self.viewGithubRepoButton.clicked.connect(            lambda: webbrowser.open('https://blog.csdn.net/m0_38106923'))        self.contactDeveloperButton.clicked.connect(lambda: webbrowser.open('https://blog.csdn.net/m0_38106923'))
       # 日志系统        self.receiveLogSignal.connect(lambda log: self.logOutput(log))        self.logOutputThread = threading.Thread(target=self.receiveLog, daemon=True)        self.logOutputThread.start()
   # 检查数据库状态    def initDb(self):        try:            if not os.path.isfile(self.database):                raise DatabaseNotFoundError            if not os.path.isfile(self.trainingData):                raise TrainingDataNotFoundError
           conn = sqlite3.connect(self.database)            cursor = conn.cursor()            cursor.execute('SELECT Count(*) FROM users')            result = cursor.fetchone()            dbUserCount = result[0]        except DatabaseNotFoundError:            logging.error('系统找不到数据库文件{}'.format(self.database))            self.initDbButton.setIcon(QIcon('./icons/error.png'))            self.logQueue.put('Error：未发现数据库文件，你可能未进行人脸采集')        except TrainingDataNotFoundError:            logging.error('系统找不到已训练的人脸数据{}'.format(self.trainingData))            self.initDbButton.setIcon(QIcon('./icons/error.png'))            self.logQueue.put('Error：未发现已训练的人脸数据文件，请完成训练后继续')        except Exception as e:            logging.error('读取数据库异常，无法完成数据库初始化')            self.initDbButton.setIcon(QIcon('./icons/error.png'))            self.logQueue.put('Error：读取数据库异常，初始化数据库失败')        else:            cursor.close()            conn.close()            if not dbUserCount > 0:                logging.warning('数据库为空')                self.logQueue.put('warning：数据库为空，人脸识别功能不可用')                self.initDbButton.setIcon(QIcon('./icons/warning.png'))            else:                self.logQueue.put('Success：数据库状态正常，发现用户数：{}'.format(dbUserCount))                self.initDbButton.setIcon(QIcon('./icons/success.png'))                self.initDbButton.setEnabled(False)                self.faceRecognizerCheckBox.setToolTip('须先开启人脸跟踪')                self.faceRecognizerCheckBox.setEnabled(True)
   # 是否使用外接摄像头    def useExternalCamera(self, useExternalCameraCheckBox):        if useExternalCameraCheckBox.isChecked():            self.isExternalCameraUsed = True        else:            self.isExternalCameraUsed = False
   # 打开/关闭摄像头    def startWebcam(self):        if not self.cap.isOpened():            if self.isExternalCameraUsed:                camID = 1            else:                camID = 0            self.cap.open(camID)            self.cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)            self.cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)            ret, frame = self.cap.read()            if not ret:                logging.error('无法调用电脑摄像头{}'.format(camID))                self.logQueue.put('Error：初始化摄像头失败')                self.cap.release()                self.startWebcamButton.setIcon(QIcon('./icons/error.png'))            else:                self.faceProcessingThread.start()  # 启动OpenCV图像处理线程                self.timer.start(5)  # 启动定时器                self.panalarmThread.start()  # 启动报警系统线程                self.startWebcamButton.setIcon(QIcon('./icons/success.png'))                self.startWebcamButton.setText('关闭摄像头')
       else:            text = '如果关闭摄像头，须重启程序才能再次打开。'            informativeText = '是否继续？'            ret = CoreUI.callDialog(QMessageBox.Warning, text, informativeText, QMessageBox.Yes | QMessageBox.No,                                    QMessageBox.No)
           if ret == QMessageBox.Yes:                self.faceProcessingThread.stop()                if self.cap.isOpened():                    if self.timer.isActive():                        self.timer.stop()                    self.cap.release()
               self.realTimeCaptureLabel.clear()                self.realTimeCaptureLabel.setText('摄像头未开启')                self.startWebcamButton.setText('摄像头已关闭')                self.startWebcamButton.setEnabled(False)                self.startWebcamButton.setIcon(QIcon())
   # 定时器，实时更新画面    def updateFrame(self):        if self.cap.isOpened():            # ret, frame = self.cap.read()            # if ret:            #     self.showImg(frame, self.realTimeCaptureLabel)            if not self.captureQueue.empty():                captureData = self.captureQueue.get()                realTimeFrame = captureData.get('realTimeFrame')                self.displayImage(realTimeFrame, self.realTimeCaptureLabel)
   # 显示图片    def displayImage(self, img, qlabel):        # BGR -> RGB        img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)        # default：The image is stored using 8-bit indexes into a colormap， for example：a gray image        qformat = QImage.Format_Indexed8
       if len(img.shape) == 3:  # rows[0], cols[1], channels[2]            if img.shape[2] == 4:                # The image is stored using a 32-bit byte-ordered RGBA format (8-8-8-8)                # A: alpha channel，不透明度参数。如果一个像素的alpha通道数值为0%，那它就是完全透明的                qformat = QImage.Format_RGBA8888            else:                qformat = QImage.Format_RGB888
       # img.shape[1]：图像宽度width，img.shape[0]：图像高度height，img.shape[2]：图像通道数        # QImage.__init__ (self, bytes data, int width, int height, int bytesPerLine, Format format)        # 从内存缓冲流获取img数据构造QImage类        # img.strides[0]：每行的字节数（width*3）,rgb为3，rgba为4        # strides[0]为最外层(即一个二维数组所占的字节长度)，strides[1]为次外层（即一维数组所占字节长度），strides[2]为最内层（即一个元素所占字节长度）        # 从里往外看，strides[2]为1个字节长度（uint8），strides[1]为3*1个字节长度（3即rgb 3个通道）        # strides[0]为width*3个字节长度，width代表一行有几个像素
       outImage = QImage(img, img.shape[1], img.shape[0], img.strides[0], qformat)        qlabel.setPixmap(QPixmap.fromImage(outImage))        qlabel.setScaledContents(True)  # 图片自适应大小
   # 报警系统：是否允许设备响铃    def enableBell(self, bellCheckBox):        if bellCheckBox.isChecked():            self.isBellEnabled = True            self.statusBar().showMessage('设备发声：开启')        else:            if self.isTelegramBotPushEnabled:                self.isBellEnabled = False                self.statusBar().showMessage('设备发声：关闭')            else:                self.logQueue.put('Error：操作失败，至少选择一种报警方式')                self.bellCheckBox.setCheckState(Qt.Unchecked)                self.bellCheckBox.setChecked(True)        # print('isBellEnabled：', self.isBellEnabled)
   # 报警系统：是否允许TelegramBot推送    def enableTelegramBotPush(self, telegramBotPushCheckBox):        if telegramBotPushCheckBox.isChecked():            self.isTelegramBotPushEnabled = True            self.statusBar().showMessage('TelegramBot推送：开启')        else:            if self.isBellEnabled:                self.isTelegramBotPushEnabled = False                self.statusBar().showMessage('TelegramBot推送：关闭')            else:                self.logQueue.put('Error：操作失败，至少选择一种报警方式')                self.telegramBotPushCheckBox.setCheckState(Qt.Unchecked)                self.telegramBotPushCheckBox.setChecked(True)        # print('isTelegramBotPushEnabled：', self.isTelegramBotPushEnabled)
   # TelegramBot设置    def telegramBotSettings(self):        cfg = ConfigParser()        cfg.read('./config/telegramBot.cfg', encoding='utf-8-sig')        read_only = cfg.getboolean('telegramBot', 'read_only')        # read_only = False        if read_only:            text = '基于安全考虑，系统拒绝了本次请求。'            informativeText = '请联系设备管理员。'            CoreUI.callDialog(QMessageBox.Critical, text, informativeText, QMessageBox.Ok)        else:            token = cfg.get('telegramBot', 'token')            chat_id = cfg.get('telegramBot', 'chat_id')            proxy_url = cfg.get('telegramBot', 'proxy_url')            message = cfg.get('telegramBot', 'message')
           self.telegramBotDialog = TelegramBotDialog()            self.telegramBotDialog.tokenLineEdit.setText(token)            self.telegramBotDialog.telegramIDLineEdit.setText(chat_id)            self.telegramBotDialog.socksLineEdit.setText(proxy_url)            self.telegramBotDialog.messagePlainTextEdit.setPlainText(message)            self.telegramBotDialog.exec()
   # 设备响铃进程    @staticmethod    def bellProcess(queue):        logQueue = queue        logQueue.put('Info：设备正在响铃...')        winsound.PlaySound('./alarm.wav', winsound.SND_FILENAME)
   # TelegramBot推送进程    @staticmethod    def telegramBotPushProcess(queue, img=None):        logQueue = queue        cfg = ConfigParser()        try:            cfg.read('./config/telegramBot.cfg', encoding='utf-8-sig')
           # 读取TelegramBot配置            token = cfg.get('telegramBot', 'token')            chat_id = cfg.getint('telegramBot', 'chat_id')            proxy_url = cfg.get('telegramBot', 'proxy_url')            message = cfg.get('telegramBot', 'message')
           # 是否使用代理            if proxy_url:                proxy = telegram.utils.request.Request(proxy_url=proxy_url)                bot = telegram.Bot(token=token, request=proxy)            else:                bot = telegram.Bot(token=token)
           bot.send_message(chat_id=chat_id, text=message)
           # 发送疑似陌生人脸截屏到Telegram            if img:                bot.send_photo(chat_id=chat_id, photo=open(img, 'rb'), timeout=10)        except Exception as e:            logQueue.put('Error：TelegramBot推送失败')        else:            logQueue.put('Success：TelegramBot推送成功')
   # 报警系统服务常驻，接收并处理报警信号    def recieveAlarm(self):        while True:            jobs = []            # print(self.alarmQueue.qsize())            if self.alarmQueue.qsize() > self.alarmSignalThreshold:  # 若报警信号触发超出既定计数，进行报警                if not os.path.isdir('./unknown'):                    os.makedirs('./unknown')                lastAlarmSignal = self.alarmQueue.get()                timestamp = lastAlarmSignal.get('timestamp')                img = lastAlarmSignal.get('img')                # 疑似陌生人脸，截屏存档                cv2.imwrite('./unknown/{}.jpg'.format(timestamp), img)                logging.info('报警信号触发超出预设计数，自动报警系统已被激活')                self.logQueue.put('Info：报警信号触发超出预设计数，自动报警系统已被激活')
               # 是否进行响铃                if self.isBellEnabled:                    p1 = multiprocessing.Process(target=CoreUI.bellProcess, args=(self.logQueue,))                    p1.start()                    jobs.append(p1)
               # 是否进行TelegramBot推送                if self.isTelegramBotPushEnabled:                    if os.path.isfile('./unknown/{}.jpg'.format(timestamp)):                        img = './unknown/{}.jpg'.format(timestamp)                    else:                        img = None                    p2 = multiprocessing.Process(target=CoreUI.telegramBotPushProcess, args=(self.logQueue, img))                    p2.start()                    jobs.append(p2)
               # 等待本轮报警结束                for p in jobs:                    p.join()
               # 重置报警信号                with self.alarmQueue.mutex:                    self.alarmQueue.queue.clear()            else:                continue
   # 系统日志服务常驻，接收并处理系统日志    def receiveLog(self):        while True:            data = self.logQueue.get()            if data:                self.receiveLogSignal.emit(data)            else:                continue
   # LOG输出    def logOutput(self, log):        # 获取当前系统时间        time = datetime.now().strftime('[%Y/%m/%d %H:%M:%S]')        log = time + ' ' + log + '\n'
       self.logTextEdit.moveCursor(QTextCursor.End)        self.logTextEdit.insertPlainText(log)        self.logTextEdit.ensureCursorVisible()  # 自动滚屏
   # 系统对话框    @staticmethod    def callDialog(icon, text, informativeText, standardButtons, defaultButton=None):        msg = QMessageBox()        msg.setWindowIcon(QIcon('./icons/icon.png'))        msg.setWindowTitle('OpenCV Face Recognition System - Core')        msg.setIcon(icon)        msg.setText(text)        msg.setInformativeText(informativeText)        msg.setStandardButtons(standardButtons)        if defaultButton:            msg.setDefaultButton(defaultButton)        return msg.exec()
   # 窗口关闭事件，关闭OpenCV线程、定时器、摄像头    def closeEvent(self, event):        if self.faceProcessingThread.isRunning:            self.faceProcessingThread.stop()        if self.timer.isActive():            self.timer.stop()        if self.cap.isOpened():            self.cap.release()        event.accept()

# TelegramBot设置对话框class TelegramBotDialog(QDialog):    def __init__(self):        super(TelegramBotDialog, self).__init__()        loadUi('./ui/TelegramBotDialog.ui', self)        self.setWindowIcon(QIcon('./icons/icon.png'))        self.setFixedSize(550, 358)
       chat_id_regx = QRegExp('^\d+$')        chat_id_validator = QRegExpValidator(chat_id_regx, self.telegramIDLineEdit)        self.telegramIDLineEdit.setValidator(chat_id_validator)
       self.okButton.clicked.connect(self.telegramBotSettings)
   def telegramBotSettings(self):        # 获取用户输入        token = self.tokenLineEdit.text().strip()        chat_id = self.telegramIDLineEdit.text().strip()        proxy_url = self.socksLineEdit.text().strip()        message = self.messagePlainTextEdit.toPlainText().strip()
       # 校验并处理用户输入        if not (token and chat_id and message):            self.okButton.setIcon(QIcon('./icons/error.png'))            CoreUI.logQueue.put('Error：API Token、Telegram ID和消息内容为必填项')        else:            ret = self.telegramBotTest(token, proxy_url)            if ret:                cfg_file = './config/telegramBot.cfg'                cfg = ConfigParser()                cfg.read(cfg_file, encoding='utf-8-sig')
               cfg.set('telegramBot', 'token', token)                cfg.set('telegramBot', 'chat_id', chat_id)                cfg.set('telegramBot', 'proxy_url', proxy_url)                cfg.set('telegramBot', 'message', message)
               try:                    with open(cfg_file, 'w', encoding='utf-8') as file:                        cfg.write(file)                except:                    logging.error('写入telegramBot配置文件发生异常')                    CoreUI.logQueue.put('Error：写入配置文件时发生异常，更新失败')                else:                    CoreUI.logQueue.put('Success：测试通过，系统已更新TelegramBot配置')                    self.close()            else:                CoreUI.logQueue.put('Error：测试失败，无法更新TelegramBot配置')
   # TelegramBot 测试    def telegramBotTest(self, token, proxy_url):        try:            # 是否使用代理            if proxy_url:                proxy = telegram.utils.request.Request(proxy_url=proxy_url)                bot = telegram.Bot(token=token, request=proxy)            else:                bot = telegram.Bot(token=token)            bot.get_me()        except Exception as e:            return False        else:            return True

# OpenCV线程class FaceProcessingThread(QThread):    def __init__(self):        super(FaceProcessingThread, self).__init__()        self.isRunning = True
       self.isFaceTrackerEnabled = True        self.isFaceRecognizerEnabled = False        self.isPanalarmEnabled = True
       self.isDebugMode = False        self.confidenceThreshold = 50        self.autoAlarmThreshold = 65
       self.isEqualizeHistEnabled = False
   # 是否开启人脸跟踪    def enableFaceTracker(self, coreUI):        if coreUI.faceTrackerCheckBox.isChecked():            self.isFaceTrackerEnabled = True            coreUI.statusBar().showMessage('人脸跟踪：开启')        else:            self.isFaceTrackerEnabled = False            coreUI.statusBar().showMessage('人脸跟踪：关闭')
   # 是否开启人脸识别    def enableFaceRecognizer(self, coreUI):        if coreUI.faceRecognizerCheckBox.isChecked():            if self.isFaceTrackerEnabled:                self.isFaceRecognizerEnabled = True                coreUI.statusBar().showMessage('人脸识别：开启')            else:                CoreUI.logQueue.put('Error：操作失败，请先开启人脸跟踪')                coreUI.faceRecognizerCheckBox.setCheckState(Qt.Unchecked)                coreUI.faceRecognizerCheckBox.setChecked(False)        else:            self.isFaceRecognizerEnabled = False            coreUI.statusBar().showMessage('人脸识别：关闭')
   # 是否开启报警系统    def enablePanalarm(self, coreUI):        if coreUI.panalarmCheckBox.isChecked():            self.isPanalarmEnabled = True            coreUI.statusBar().showMessage('报警系统：开启')        else:            self.isPanalarmEnabled = False            coreUI.statusBar().showMessage('报警系统：关闭')
   # 是否开启调试模式    def enableDebug(self, coreUI):        if coreUI.debugCheckBox.isChecked():            self.isDebugMode = True            coreUI.statusBar().showMessage('调试模式：开启')        else:            self.isDebugMode = False            coreUI.statusBar().showMessage('调试模式：关闭')
   # 设置置信度阈值    def setConfidenceThreshold(self, coreUI):        if self.isDebugMode:            self.confidenceThreshold = coreUI.confidenceThresholdSlider.value()            coreUI.statusBar().showMessage('置信度阈值：{}'.format(self.confidenceThreshold))
   # 设置自动报警阈值    def setAutoAlarmThreshold(self, coreUI):        if self.isDebugMode:            self.autoAlarmThreshold = coreUI.autoAlarmThresholdSlider.value()            coreUI.statusBar().showMessage('自动报警阈值：{}'.format(self.autoAlarmThreshold))
   # 直方图均衡化    def enableEqualizeHist(self, coreUI):        if coreUI.equalizeHistCheckBox.isChecked():            self.isEqualizeHistEnabled = True            coreUI.statusBar().showMessage('直方图均衡化：开启')        else:            self.isEqualizeHistEnabled = False            coreUI.statusBar().showMessage('直方图均衡化：关闭')
   def run(self):        faceCascade = cv2.CascadeClassifier('./haarcascades/haarcascade_frontalface_default.xml')
       # 帧数、人脸ID初始化        frameCounter = 0        currentFaceID = 0
       # 人脸跟踪器字典初始化        faceTrackers = {}
       isTrainingDataLoaded = False        isDbConnected = False
       while self.isRunning:            if CoreUI.cap.isOpened():                ret, frame = CoreUI.cap.read()                gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)                # 是否执行直方图均衡化                if self.isEqualizeHistEnabled:                    gray = cv2.equalizeHist(gray)                faces = faceCascade.detectMultiScale(gray, 1.3, 5, minSize=(90, 90))
               # 预加载数据文件                if not isTrainingDataLoaded and os.path.isfile(CoreUI.trainingData):                    recognizer = cv2.face.LBPHFaceRecognizer_create()                    recognizer.read(CoreUI.trainingData)                    isTrainingDataLoaded = True                if not isDbConnected and os.path.isfile(CoreUI.database):                    conn = sqlite3.connect(CoreUI.database)                    cursor = conn.cursor()                    isDbConnected = True
               captureData = {}                realTimeFrame = frame.copy()                alarmSignal = {}
               # 人脸跟踪                if self.isFaceTrackerEnabled:
                   # 要删除的人脸跟踪器列表初始化                    fidsToDelete = []
                   for fid in faceTrackers.keys():                        # 实时跟踪                        trackingQuality = faceTrackers[fid].update(realTimeFrame)                        # 如果跟踪质量过低，删除该人脸跟踪器                        if trackingQuality < 7:                            fidsToDelete.append(fid)
                   # 删除跟踪质量过低的人脸跟踪器                    for fid in fidsToDelete:                        faceTrackers.pop(fid, None)
                   for (_x, _y, _w, _h) in faces:                        isKnown = False
                       if self.isFaceRecognizerEnabled:                            cv2.rectangle(realTimeFrame, (_x, _y), (_x + _w, _y + _h), (232, 138, 30), 2)                            face_id, confidence = recognizer.predict(gray[_y:_y + _h, _x:_x + _w])                            logging.debug('face_id：{}，confidence：{}'.format(face_id, confidence))
                           if self.isDebugMode:                                CoreUI.logQueue.put('Debug -> face_id：{}，confidence：{}'.format(face_id, confidence))
                           # 从数据库中获取识别人脸的身份信息                            try:                                cursor.execute("SELECT * FROM users WHERE face_id=?", (face_id,))                                result = cursor.fetchall()                                if result:                                    en_name = result[0][3]                                else:                                    raise Exception                            except Exception as e:                                logging.error('读取数据库异常，系统无法获取Face ID为{}的身份信息'.format(face_id))                                CoreUI.logQueue.put('Error：读取数据库异常，系统无法获取Face ID为{}的身份信息'.format(face_id))                                en_name = ''
                           # 若置信度评分小于置信度阈值，认为是可靠识别                            if confidence < self.confidenceThreshold:                                isKnown = True                                cv2.putText(realTimeFrame, en_name, (_x - 5, _y - 10), cv2.FONT_HERSHEY_SIMPLEX, 1,                                            (0, 97, 255), 2)                            else:                                # 若置信度评分大于置信度阈值，该人脸可能是陌生人                                cv2.putText(realTimeFrame, 'unknown', (_x - 5, _y - 10), cv2.FONT_HERSHEY_SIMPLEX, 1,                                            (0, 0, 255), 2)                                # 若置信度评分超出自动报警阈值，触发报警信号                                if confidence > self.autoAlarmThreshold:                                    # 检测报警系统是否开启                                    if self.isPanalarmEnabled:                                        alarmSignal['timestamp'] = datetime.now().strftime('%Y%m%d%H%M%S')                                        alarmSignal['img'] = realTimeFrame                                        CoreUI.alarmQueue.put(alarmSignal)                                        logging.info('系统发出了报警信号')
                       # 帧数自增                        frameCounter += 1
                       # 每读取10帧，检测跟踪器的人脸是否还在当前画面内                        if frameCounter % 10 == 0:                            # 这里必须转换成int类型，因为OpenCV人脸检测返回的是numpy.int32类型，                            # 而dlib人脸跟踪器要求的是int类型                            x = int(_x)                            y = int(_y)                            w = int(_w)                            h = int(_h)
                           # 计算中心点                            x_bar = x + 0.5 * w                            y_bar = y + 0.5 * h
                           # matchedFid表征当前检测到的人脸是否已被跟踪                            matchedFid = None
                           for fid in faceTrackers.keys():                                # 获取人脸跟踪器的位置                                # tracked_position 是 dlib.drectangle 类型，用来表征图像的矩形区域，坐标是浮点数                                tracked_position = faceTrackers[fid].get_position()                                # 浮点数取整                                t_x = int(tracked_position.left())                                t_y = int(tracked_position.top())                                t_w = int(tracked_position.width())                                t_h = int(tracked_position.height())
                               # 计算人脸跟踪器的中心点                                t_x_bar = t_x + 0.5 * t_w                                t_y_bar = t_y + 0.5 * t_h
                               # 如果当前检测到的人脸中心点落在人脸跟踪器内，且人脸跟踪器的中心点也落在当前检测到的人脸内                                # 说明当前人脸已被跟踪                                if ((t_x <= x_bar="">and

(t_y <= y_bar="">and                                        (x <= t_x_bar="">and

(y <= t_y_bar="">                                    matchedFid = fid
                           # 如果当前检测到的人脸是陌生人脸且未被跟踪                            if not isKnown and matchedFid is None:                                # 创建一个人脸跟踪器                                tracker = dlib.correlation_tracker()                                # 锁定跟踪范围                                tracker.start_track(realTimeFrame, dlib.rectangle(x - 5, y - 10, x + w + 5, y + h + 10))                                # 将该人脸跟踪器分配给当前检测到的人脸                                faceTrackers[currentFaceID] = tracker                                # 人脸ID自增                                currentFaceID += 1
                   # 使用当前的人脸跟踪器，更新画面，输出跟踪结果                    for fid in faceTrackers.keys():                        tracked_position = faceTrackers[fid].get_position()
                       t_x = int(tracked_position.left())                        t_y = int(tracked_position.top())                        t_w = int(tracked_position.width())                        t_h = int(tracked_position.height())
                       # 在跟踪帧中圈出人脸                        cv2.rectangle(realTimeFrame, (t_x, t_y), (t_x + t_w, t_y + t_h), (0, 0, 255), 2)                        cv2.putText(realTimeFrame, 'tracking...', (15, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255),                                    2)
               captureData['originFrame'] = frame                captureData['realTimeFrame'] = realTimeFrame                CoreUI.captureQueue.put(captureData)
           else:                continue
   # 停止OpenCV线程    def stop(self):        self.isRunning = False        self.quit()        self.wait()
if __name__ == '__main__':    logging.config.fileConfig('./config/logging.cfg')    app = QApplication(sys.argv)    window = CoreUI()    window.show()    sys.exit(app.exec())