[Python] Bewerten Sie die Gesichtsausdrücke, die auf dem Gesicht erscheinen
Sie möchten bei der Arbeit freundlich zu anderen sein. Ich ertrage die Wut, dass ich es tun muss, und ich beschäftige mich mit nervigen Fällen, ohne mich zu beschweren. Lass uns nach dem Mittagessen essen, huh ~ Ich bin vorerst krank! Ein Junior, der auf den Moment zielte, in dem er sich ein wenig ausstreckte und sich dann ein wenig an den Schreibtisch lehnte und kurz vor dem Mittagessen stand, brachte ein neues nerviges Projekt. Ist das nicht ein Gefühl in deinem Gesicht? Bist du ein Junior-Freak? Vorfälle werden aus Angst nicht mehr gemeldet, und es treten noch schwerwiegendere Vorfälle auf. .. .. Ich glaube nicht, dass das der Fall ist, aber haben Sie ein gruseliges Gesicht, bevor Sie es bei der Arbeit bemerken? Oder ist es okay heute zu lächeln? Lassen Sie uns mithilfe der Bilderkennungstechnologie objektiv bewerten.
Das Gesicht wird mit der eingebauten Kamera des PCs oder der über USB angeschlossenen Webkamera fotografiert und anhand von Wut, Übelkeit, Angst, Glück, Traurigkeit, Überraschung und Neutralität bewertet. Sie können das Aufnahmeintervall und die Aufnahmezeit selbst einstellen. Die Ergebnisse werden grafisch dargestellt und in Excel gespeichert. Die Inhalte verwenden ein auf Tensorflow und Gesichtsausdruck trainiertes Modell. Ich kann Python nicht benutzen! !! Ich wollte es jemandem geben, der sagte, aber ich könnte es nicht zu einer Exe machen, selbst wenn ich Pyinstaller verwenden würde. Liegt es daran, dass es schwere Pakete wie Tensorflow und Keras gibt? Bitte sag mir, wer das kann.
(Ursprünglich für die Bewertung durch Tierärzte bei der Erklärung an Patienten konzipiert. Ändern Sie den Namen im Code entsprechend.)
- Erstellen Sie eine Umgebung. win startet die Eingabeaufforderung von Anaconda. Mac startet das Terminal. Wenn Sie Folgendes eingeben, ist die Ausführungsumgebung bereit. Laden Sie das gewünschte Paket herunter. Um Tensorflow verwenden zu können, müssen Sie die Python-Version löschen. Sie können Tensorflow in 3.8 nicht verwenden. Machen wir es 3.6! !!
Win: Führen Sie an der Anaconda-Eingabeaufforderung die folgenden Schritte aus. conda create -n face python=3.6.10 proceed ([y]/n)? → y activate face pip install opencv-python pip install pandas pip install matplotlib pip install openpyxl pip install tensorflow pip install keras
Mac: Kopieren Sie im Terminal die folgenden Elemente und fügen Sie sie nacheinander ein. Drücken Sie nacheinander die Eingabetaste. conda create -n face python=3.6.10 anaconda proceed ([y]/n)? → y conda activate face pip install opencv-python pip install pandas pip install matplotlib pip install openpyxl pip install tensorflow pip install keras
-
Verwenden Sie das von Herrn Octavio Arriaga erstellte Gesichtsausdruckerkennungsmodell, das auf Github bereitgestellt wird. Ich bin dankbar, dass so etwas Wunderbares kostenlos auf Github bereitgestellt wird. Laden Sie die Zip-Datei herunter, entfernen Sie die Datei fer2013_mini_XCEPTION.110-0.65.hdf5 von dort und legen Sie sie ab sofort an einer beliebigen Stelle im Ordner ab. https://github.com/oarriaga/face_classification/tree/master/trained_models/emotion_models
-
Erstellen Sie die folgende Python-Datei in dem Ordner, in dem Sie die obige Datei gespeichert haben.
face.py
from tkinter import *
from tkinter import ttk
import tkinter
import cv2
import os
import time
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg
import numpy as np
from keras.models import load_model
from keras.preprocessing.image import ImageDataGenerator
from keras.preprocessing import image
import glob
import openpyxl
import datetime
from tkinter import filedialog
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # not to show an error message related to CPU
def _destroyWindow(): # function to close the tinker window
root.quit()
root.destroy()
def askfileplace():
cd = filedialog.askdirectory() # function to ask which directly to use for saving image and excel
path.set(cd)
def resource_path(relative_path): # function to get the target path
try:
base_path = sys._MEIPASS
except Exception:
base_path = os.path.dirname(__file__)
return os.path.join(base_path, relative_path)
# create a main function which is to be used after pressing a button
def save_frame_camera_key(device_num,interval1,duration1,vetname1,name1,path1):
os.makedirs("{}//{}_{}".format(path1,vetname1,name1)) # create a folder to save above
cap = cv2.VideoCapture(device_num) # create a videocapture object
if not cap.isOpened(): # check if it has been opened
return
n = 0 # increment initiated with 0
while n <= int(duration1)/int(interval1) : # calculation of the terminating point of the increment
ret, frame = cap.read() # read the object which returens two variables
cv2.imwrite("{}//{}_{}//{}.jpg ".format(path1,vetname1,name1,n), frame) # save the pictures
time.sleep(int(interval1)) # wait for interval
n += 1 # increment
image_paths = glob.glob("{}//{}_{}//*.jpg ".format(path1,vetname1,name1)) # get the jpg files in the folder
result=[] # create a list of the results
for image_path in image_paths: # process each file in the jpg files
img = image.load_img(image_path, color_mode="grayscale" , target_size=(64, 64)) # convert it to grayscale
img_array = image.img_to_array(img) # convert it to array
pImg = np.expand_dims(img_array, axis=0) / 255 # make it between 0 ~ 1
# read the face recognision trained model hdf5
model_path = resource_path(".//fer2013_mini_XCEPTION.110-0.65.hdf5")
emotions_XCEPTION = load_model(model_path, compile=False)
prediction = emotions_XCEPTION.predict(pImg)[0] # predict a image using the model
result.append(prediction) # append the result to the list named result
df = pd.DataFrame(result) # convert it to DataFrame
df.columns=['angry','disgust','fear','happy','sad','surprise','neutral'] # name the columns
df = pd.concat([df,pd.DataFrame(df.mean(axis=0),columns=['Mean']).T]) # create a mean row on the bottom
df.to_excel("{}//{}_{}//result.xlsx".format(path1,vetname1,name1), sheet_name='result') # save a excel file
# create a graph using mtplotlib
fig = plt.figure() # create object
ax=fig.add_subplot(1,1,1) # create subplot indicating the place of the subplot
mycolor = ["#ff0033", "#cc99ff", "#ffff66", "#ff9999", "#6699ff", "#ff9966", "#99ffcc"] # create a list for color
ax.pie(df.tail(1).values[0],labels=df.columns,counterclock=True, startangle=90, autopct="%1.1f%%",colors=mycolor) # create piechart
centre_circle = plt.Circle((0,0),0.7,color='white', fc='white',linewidth=1.25) # make it donuts shape
fig = plt.gcf() #get current figure
fig.gca().add_artist(centre_circle) # get the current axes and cover the white donuts on the pie chart
# Create new window by Tkinter Class
root = tkinter.Tk()
root.title("Ergebnis der Gesichtsanalyse")
root.withdraw()
root.protocol('WM_DELETE_WINDOW', _destroyWindow) # When you close the tkinter window.
# Canvas and put the figure to the canvas
canvas = FigureCanvasTkAgg(fig, master=root) # Generate canvas instance, Embedding fig in root
canvas.draw()
canvas.get_tk_widget().pack() #canvas._tkcanvas.pack()
root.update()
root.deiconify()
# create interface
root = Tk()
root.title('Tool zur Bewertung des Gesichts')
root.resizable(True, True)
#create text
frame1 = ttk.Frame(root, padding=(32))
frame1.grid()
label1 = ttk.Label(frame1, text='Aufnahmeintervall(Sekunden)', padding=(5, 2))
label1.grid(row=0, column=0, sticky=E)
label2 = ttk.Label(frame1, text='Drehzeit(Sekunden)', padding=(5, 2))
label2.grid(row=1, column=0, sticky=E)
label3 = ttk.Label(frame1, text='Veterinärname (nur alphabetisch)', padding=(5, 2))
label3.grid(row=2, column=0, sticky=E)
label4 = ttk.Label(frame1, text='Patientenname (nur alphabetisch)', padding=(5, 2))
label4.grid(row=3, column=0, sticky=E)
label5 = ttk.Label(frame1, text='Wo können Sie Fotos und Ergebnisse speichern?', padding=(5, 2))
label5.grid(row=4, column=0, sticky=E)
# create textboxes
interval = StringVar()
interval_entry = ttk.Entry(
frame1,
textvariable=interval,
width=20)
interval_entry.insert(0,"2")
interval_entry.grid(row=0, column=1)
duration = StringVar()
duration_entry = ttk.Entry(
frame1,
textvariable=duration,
width=20)
duration_entry.insert(0,"10")
duration_entry.grid(row=1, column=1)
vetname = StringVar()
vetname_entry = ttk.Entry(
frame1,
textvariable=vetname,
width=20)
vetname_entry.insert(0,"vet")
vetname_entry.grid(row=2, column=1)
name = StringVar()
name_entry = ttk.Entry(
frame1,
textvariable=name,
width=20)
name_entry.insert(0,datetime.datetime.now().strftime("%Y%m%d_%H%M")) # time
name_entry.grid(row=3, column=1)
path =StringVar()
path_entry = ttk.Entry(
frame1,
textvariable=path,
width=20)
path_entry.grid(row=4, column=1)
path_button = ttk.Button(frame1,text="Ordnerauswahl",command= lambda : [askfileplace()] )
path_button.grid(row=4, column=2)
# create bottens
frame2 = ttk.Frame(frame1, padding=(0, 5))
frame2.grid(row=5, column=1, sticky=W)
button1 = ttk.Button(
frame2, text='Analyse starten',
command= lambda : [save_frame_camera_key(0,interval.get(),duration.get(),vetname.get(),name.get(),path.get())]) # read the function I made
button1.pack(side=LEFT)
button2 = ttk.Button(frame2, text='Ende', command=quit)
button2.pack(side=LEFT)
root.mainloop()
- Gehen Sie an der Anaconda-Eingabeaufforderung wie folgt vor: Holen Sie sich den Pfad der Python-Datei. Wenn es Win ist, Umschalt + Rechtsklick, Rechtsklick auf Mac, dann Option. Python Der oben erhaltene Pfad (Win-Eingabebeispiel: Python "C: \ Benutzer \ Yamada \ Desktop \ FaceEmotionAnalysis \ face.py") (Mac-Eingabebeispiel: Python / Benutzer / Sato / Desktop / FaceEmotionAnalysis / face.py)
Wenn Sie möchten, schauen Sie sich bitte Ihre eigene Website an. Andere Beispiele (Cat Activity Meter AI) werden ebenfalls veröffentlicht. https://meknowledge.jpn.org/
Recommended Posts