可以实现人脸的检测和校正，采样完毕后保存

import cv2

import dlib

import os

import sys

from scipy import misc

import time

from multiprocessing import Process, JoinableQueue, Queue

from random import random

import time

import glob

import facenet.src.align.detect_face as detect_face

import numpy as np

import tensorflow as tf



#tasks_queue = JoinableQueue()

results_queue = Queue()

convert_queue = Queue()

message_queue = Queue()



image_extension = ".jpg"

target_img_size = 160



IsCatchVideoQuit = False

IsFaceDectecdQuit = False





name = input('please input your name:')

window_name = "face picture entry"

src_path,_ = os.path.split(os.path.realpath(__file__))

print(src_path)

data_dir = os.path.join(src_path,"data")

print(data_dir)

output_dir = os.path.join(data_dir,name)

#size = 64



img_dir = os.path.join(src_path,"images")

size_dir = os.path.join(img_dir,"%d" % target_img_size)





if not os.path.exists(output_dir):

    os.makedirs(output_dir)



# 改变图片的亮度与对比度

def relight(img, light=1, bias=0):

    w = img.shape[1]

    h = img.shape[0]

    #image = []

    for i in range(0,w):

        for j in range(0,h):

            for c in range(3):

                tmp = int(img[j,i,c]*light + bias)

                if tmp > 255:

                    tmp = 255

                elif tmp < 0:

                    tmp = 0

                img[j,i,c] = tmp

    return img



#使用dlib自带的frontal_face_detector作为我们的特征提取器

detector = dlib.get_frontal_face_detector()



#videoName = './' + name + '.avi'

videoName = "rtsp://admin:ABC_123456@172.17.208.150:554/Streaming/Channels/101?transportmode=unicast"

# 打开摄像头 参数为输入流，可以为摄像头或视频文件





def CatchUsbVideo(out_queue,msg_q):

    process_flag = False

    cv2.namedWindow(window_name)

 

    #视频来源，可以来自一段已存好的视频，也可以直接来自USB摄像头

    cap = cv2.VideoCapture(videoName)      

    n = 1

    while cap.isOpened():

        ok, frame = cap.read() #读取一帧数据

        if not ok:            

            break                    

 

        #显示图像并等待10毫秒按键输入，输入‘q’退出程序

        cv2.namedWindow(window_name, cv2.WINDOW_NORMAL) #cv2.WND_PROP_FULLSCREEN)

        #cv2.moveWindow(window_name, screen.x - 1, screen.y - 1)

        cv2.setWindowProperty(window_name, cv2.WND_PROP_FULLSCREEN,

                          cv2.WINDOW_FULLSCREEN)

        n = n + 1

        if n == 30:

            if process_flag == True:

                out_queue.put(frame)

            n = 1

            

        else:

            frameresize = cv2.resize(frame,(1280,800))

            cv2.imshow(window_name, frameresize)



        c = cv2.waitKey(10)

        if c & 0xFF == ord('q'):

            break        

        if c & 0xFF == ord('d'):

            process_flag = True

        if not msg_q.empty():

            if msg_q.get() == "complate_msg":

                break





 

    #释放摄像头并销毁所有窗口

    cap.release()

    cv2.destroyAllWindows() 



def ConvertUseTensorflowMtcnn(in_queue,msg_q):

    margin = 32

    index_num = 0

    target_dir = os.path.join(img_dir,"images_data_%d" % target_img_size)

    output_user_dir = os.path.join(target_dir, name)

    if not os.path.exists(output_user_dir):

        os.makedirs(output_user_dir)



    minsize = 30 # minimum size of face

    threshold = [ 0.6, 0.7, 0.7 ]  # three steps's threshold

    factor = 0.709 # scale factor





    with tf.Graph().as_default():

        gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.25)

        sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options, log_device_placement=False))

        with sess.as_default():

            pnet, rnet, onet = detect_face.create_mtcnn(sess, None)

    while 1:

        file_name = in_queue.get()

        print("====== file: %s" % file_name)

        img = cv2.imread(file_name)

        

        bounding_boxes, _ = detect_face.detect_face(img, minsize, pnet, rnet, onet, threshold, factor)

        print(bounding_boxes)

        nrof_faces = bounding_boxes.shape[0]

        print(nrof_faces)

        if nrof_faces>0:

            det = bounding_boxes[:,0:4]

            det_arr = []

            img_size = np.asarray(img.shape)[0:2]

            print("====nrof_face: %d  img size:"  % nrof_faces)

            print(img_size) 

            if nrof_faces == 1:

                bounding_box_size = (det[:,2]-det[:,0])*(det[:,3]-det[:,1])

                img_center = img_size / 2

                offsets = np.vstack([ (det[:,0]+det[:,2])/2-img_center[1], (det[:,1]+det[:,3])/2-img_center[0] ])

                offset_dist_squared = np.sum(np.power(offsets,2.0),0)

                index = np.argmax(bounding_box_size-offset_dist_squared*2.0) # some extra weight on the centering

                det_arr.append(det[index,:])

            for i, det in enumerate(det_arr):

                det = np.squeeze(det)

                bb = np.zeros(4, dtype=np.int32)

                bb[0] = np.maximum(det[0]-margin/2, 0)

                bb[1] = np.maximum(det[1]-margin/2, 0)

                bb[2] = np.minimum(det[2]+margin/2, img_size[1])

                bb[3] = np.minimum(det[3]+margin/2, img_size[0])

                cropped = img[bb[1]:bb[3],bb[0]:bb[2],:]

                scaled = misc.imresize(cropped, (target_img_size, target_img_size), interp='bilinear')



                output_filename = os.path.join(output_user_dir, ("%d" % index_num) +'.png')



                filename_base, file_extension = os.path.splitext(output_filename)



                output_filename_n = "{}{}".format(filename_base, file_extension)



                misc.imsave(output_filename_n, scaled)



                index_num += 1

        #if os.path.exists(file_name):

            #os.remove(file_name)

        if index_num >= 5:

            msg_q.put("complate_msg")

            msg_q.put("complate_msg")

            break







add = 30

def FaceDectection(in_queue,out_convert_queue,msg_q):

    index = 0

    num = 0

    temporary_dir = os.path.join(output_dir,"%d" % index)

    if  not os.path.exists(temporary_dir):

        os.makedirs(temporary_dir)

    while 1:

        img = in_queue.get()

        g_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

        # 使用detector进行人脸检测

        dets = detector(g_img, 1)



        for i, d in enumerate(dets):

            print("----- i:%d\n" % i)

            x1 = d.top() if d.top() > 0 else 0

            y1 = d.bottom() if d.bottom() > 0 else 0

            x2 = d.left() if d.left() > 0 else 0

            y2 = d.right() if d.right() > 0 else 0



            print("index: %d   num %d " % (index,num))





            face = img[x1-add:y1 + add,x2-add:y2 + add]





            if face.shape[0] > 300 :  # check picture size

                g_img = cv2.cvtColor(face, cv2.COLOR_BGR2GRAY)

                if cv2.Laplacian(g_img, cv2.CV_64F).var() < 300:

                    continue

                file = os.path.join(temporary_dir,str(num)+image_extension)

                cv2.imwrite(file, face)

                #out_convert_queue.put(file)

                num += 1

        



        if num >= 5:

            img_file = os.path.join(temporary_dir,"*" + image_extension)

            print(img_file)

            img_name_list = glob.glob(img_file)



            for nm in img_name_list:

                out_convert_queue.put(nm)

            index += 1

            temporary_dir = os.path.join(output_dir,"%d" % index)

            if  not os.path.exists(temporary_dir):

                os.makedirs(temporary_dir)

            num = 0



        if not msg_q.empty():

            if msg_q.get() == "complate_msg":

                break





#if __name__ == '__main__':

#    CatchUsbVideo()

processes = []



p = Process(target=CatchUsbVideo, args=(results_queue,message_queue,))

p.start()

processes.append(p)



p = Process(target=FaceDectection, args=(results_queue,convert_queue,message_queue,))

p.start()

processes.append(p)



p = Process(target=ConvertUseTensorflowMtcnn, args=(convert_queue,message_queue,))

p.start()

processes.append(p)





for p in processes:

    p.join()



while 1:

time.sleep(1)