人脸识别 pyqt5

### PyQt5中集成和使用人脸识别技术

#### 读取图像并显示于PyQt5窗口内
为了使人脸识别功能可以在PyQt5应用程序中运行，首先需要解决的是如何获取图像源并将其实时展示给用户。这可以通过调用OpenCV库中的`cv2.VideoCapture()`函数来访问设备上的默认摄像机，并利用定时器不断更新捕获的画面帧，在每次刷新时将当前帧转换成适合Qt使用的格式——即QImage对象再传递给标签控件以供渲染[^1]。

import cv2
from PyQt5.QtCore import QTimer, Qt
from PyQt5.QtGui import QImage, QPixmap
from PyQt5.QtWidgets import QApplication, QLabel, QVBoxLayout, QWidget


class CameraWidget(QWidget):
    def __init__(self):
        super().__init__()
        
        self.label = QLabel(self)

        layout = QVBoxLayout()
        layout.addWidget(self.label)
        self.setLayout(layout)

        self.cap = cv2.VideoCapture(0)
        self.timer = QTimer()
        self.timer.timeout.connect(self.update_frame)
        self.timer.start(30)


    def update_frame(self):
        ret, frame = self.cap.read()

        if ret:
            rgb_image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
            h, w, ch = rgb_image.shape
            bytes_per_line = ch * w
            convert_to_Qt_format = QImage(rgb_image.data, w, h, bytes_per_line, QImage.Format_RGB888)
            p = convert_to_Qt_format.scaled(640, 480, Qt.KeepAspectRatio)
            self.label.setPixmap(QPixmap.fromImage(p))


if __name__ == "__main__":
    app = QApplication([])
    
    widget = CameraWidget()
    widget.show()

    app.exec_()

#### 实现基本的人脸检测与识别逻辑
一旦解决了图像流的捕捉问题之后，则可以着手构建具体的人脸处理环节。这里采用预训练好的深度学习模型来进行高效而精准的脸部定位以及身份验证工作。例如借助于OpenCV自带的支持DNN模块加载诸如ResNet、VGG等流行架构下的权重参数文件完成此任务。

net = cv2.dnn.readNetFromCaffe('deploy.prototxt', 'res10_300x300_ssd_iter_140000.caffemodel')

def detect_faces(image):
    blob = cv2.dnn.blobFromImage(cv2.resize(image, (300, 300)), 1.0,
                                 (300, 300), (104.0, 177.0, 123.0))
    net.setInput(blob)
    detections = net.forward()
    faces = []
    for i in range(detections.shape[2]):
        confidence = detections[0, 0, i, 2]
        if confidence > 0.5:
            box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])
            startX, startY, endX, endY = box.astype("int")
            faces.append((startX, startY, endX, endY))

    return faces

以上代码片段展示了怎样创建一个简单的图形界面程序，它能够打开电脑摄像头并且每秒多次抓拍画面，同时运用预先准备好的神经网络执行人脸区域框选操作。当然这只是整个项目的一小部分而已，完整的解决方案还需要考虑更多细节比如异常情况处理机制的设计等等。