РЕДАКТИРОВАТЬ: я не мог найти решение, как я хотел ниже, поэтому я сделал это в виде простой записи и чтения в файл .txt, так как оба приложения находятся на одном физическом сервере. Я не закрываю это, потому что я верю, что людям все еще нужно настоящее решение. Спасибо.
Во-первых, я извиняюсь, потому что я не уверен, как это называется, поэтому было трудно найти его в Google. Вот краткий обзор моей проблемы:
Я использую библиотеку python agealgey facial_recognition для распознавания лиц в видео. См. Этот код . Итак, вы видите, что он использует opencv для захвата каждого кадра внутри while True: и ret, frame = video_capture.read() для кадра.
Для каждой итерации я буду заполнять переменную (назовем ее RETURN_CODE) до 0 , если в кадре нет граней, 1 , если грань не распознана, и 2 , если лицо распознано.
Мне нужно , чтобы при каждой итерации я возвращал этот код без прерывания цикла, чтобы другое приложение продолжало проверять этот статус и выполнять другие действия в зависимости от его значения.
Я все еще выясняю, как это проколоть, но это не является частью вопроса.
В настоящее время я печатаю вывод, и я прочитал, что могу получить его, используя другой сценарий с stdout, но, кажется, неправильно загружать консоль.
Запись в файл может привести к сбою, если app1 пытается записать, когда app2 его открыл.
Вот мой пример кода, модифицированная версия по ссылке выше:
примечания: для того, чтобы он не потерпел крах, он должен добавить 2 изображения в тот же каталог, что и скрипт, "obama.jpg" и "biden.jpg" из этого репозитория: https://github.com/ageitgey/face_recognition/tree/master/examples
import face_recognition
from imutils.video import VideoStream
import imutils
import cv2
import numpy as np
import time
# our variable
RETURN_CODE = 0
# Load a sample picture and learn how to recognize it.
obama_image = face_recognition.load_image_file("obama.jpg")
obama_face_encoding = face_recognition.face_encodings(obama_image)[0]
# Load a second sample picture and learn how to recognize it.
biden_image = face_recognition.load_image_file("biden.jpg")
biden_face_encoding = face_recognition.face_encodings(biden_image)[0]
# Create arrays of known face encodings and their names
known_face_encodings = [
obama_face_encoding,
biden_face_encoding
]
known_face_names = [
"Barack Obama",
"Joe Biden"
]
# Initialize some variables
face_locations = []
face_encodings = []
face_names = []
process_this_frame = True
# start capturing frame by frame
## changed for imutils as is much better and opencv crashes a lot
video_capture = VideoStream(src=0).start()
TEST_START = time.time()
while True:
# Grab a single frame of video
frame = video_capture.read()
# Resize frame of video to 1/4 size for faster face recognition processing
small_frame = imutils.resize(frame, width=450)
# THis will resize the frame on screen
r = frame.shape[1] / float(small_frame.shape[1])
# Convert the image from BGR color (which OpenCV uses) to RGB color (which face_recognition uses)
rgb_small_frame = small_frame[:, :, ::-1]
# Only process every other frame of video to save time
if process_this_frame:
# Find all the faces and face encodings in the current frame of video
face_locations = face_recognition.face_locations(rgb_small_frame)
face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)
face_names = []
for face_encoding in face_encodings:
# See if the face is a match for the known face(s)
matches = face_recognition.compare_faces(known_face_encodings, face_encoding)
name = "Unknown"
# # If a match was found in known_face_encodings, just use the first one.
# if True in matches:
# first_match_index = matches.index(True)
# name = known_face_names[first_match_index]
# Or instead, use the known face with the smallest distance to the new face
face_distances = face_recognition.face_distance(known_face_encodings, face_encoding)
best_match_index = np.argmin(face_distances)
if matches[best_match_index]:
name = known_face_names[best_match_index]
face_names.append(name)
if name == 'Unkown':
RETURN_CODE = 1
else:
RETURN_CODE = 2
process_this_frame = not process_this_frame
# Display the results
for (top, right, bottom, left), name in zip(face_locations, face_names):
# Scale back up face locations since the frame we detected in was scaled to 1/4 size
top = int(top * r)
right = int(right * r)
bottom = int(bottom * r)
left = int(left * r)
# Draw a box around the face
cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)
# Draw a label with a name below the face
cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)
font = cv2.FONT_HERSHEY_DUPLEX
cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)
#Display the resulting image
cv2.imshow('Video', frame)
# Hit 'q' on the keyboard to quit!
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# Currently it's printing the code, later add into a flask
print(RETURN_CODE)
#yield RETURN_CODE
if time.time() - TEST_START >= 10.0:
break
# Release handle to the webcam
video_capture.stream.release()
video_capture.stop()
cv2.destroyAllWindows()