face_recognition如何下载

时间: 2023-10-10 14:07:14 浏览: 54
ZIP

faceRecognition.zip_DEMO_FaceRecognition_opencv_人脸识别_人脸识别demo

您可以通过pip install face_recognition命令在终端中下载face_recognition库，前提是您需要已经安装了Python和pip。如果您使用的是Anaconda，则可以通过conda install -c conda-forge face_recognition命令下载。
阅读全文

相关推荐

-

在Win10 Python3.8中通过VS Community 2019安装并编译dlib以支持face_recognition

资源摘要信息:"在Windows 10操作系统下，使用Python 3.8版本，通过Visual Studio Community 2019进行编译安装face_recognition库及其依赖库dlib的过程和注意事项。" 知识点一：操作系统环境配置 - Windows 10是微软...
-

face_recognition库：简单高效的人脸识别

"face_recognition是基于Python的人脸识别库，使用dlib的深度学习算法，具有高识别准确率。它可以用于Python编程或命令行操作，方便处理图像文件的人脸识别。该库的安装需要先安装cmake、boost、dlib，然后才能安装...

face_recognition下载

您好，face_recognition是一个Python库，用于人脸识别和人脸检测。您可以在GitHub上下载它的源代码，或者使用pip命令在命令行中安装它。安装命令为：pip install face_recognition。希望对您有帮助。

pip install face_recognition下载太慢

有几种方法可以解决pip install face_recognition下载太慢的问题。一种方法是使用pip的--proxy选项，将代理服务器的地址和端口号作为参数传递给它。另一种方法是使用国内的镜像源，例如清华大学的镜像源，可以使用...
zip

A_simple_realization_of_face_recognition_face_recognition_matlab

本项目"A_simple_realization_of_face_recognition_face_recognition_matlab"旨在通过MATLAB编程环境，提供一个简化的人脸识别实现，帮助初学者理解并掌握该技术的基本原理和应用。 MATLAB是一种强大的数值计算和...
rar

face_recognition.rar_face_recognition_人脸识别系统

人脸识别系统，很详细，注释什么都有 ，很有参考价值，
zip

face_recognition_人脸识别_cnn人脸识别_face_recognition_cnn人脸识别_facerecog

"face_recognition_人脸识别_cnn人脸识别_face_recognition_cnn人脸识别_facerecognition_源码.zip"这个压缩包文件似乎包含了关于使用卷积神经网络（CNN）进行人脸识别的源代码。下面将详细解释人脸识别技术和CNN的...
zip

face_recognition_models:face_recognition python库的训练模型

《face_recognition_models：Python人脸识别库的模型解析》 人脸识别技术是计算机视觉领域的一个重要分支，广泛应用于安全监控、身份验证、社交网络等场景。在Python编程语言中，face_recognition库是一个非常...
zip

百度地图毕业设计源码-face_recognition_tinker:face_recognition_tinker

百度地图毕业设计源码 Deeplearning.ai课程中第4门卷积神经网络里, 第4周的作业是做一个人脸识别的小应用. 这门课的作业设计都有些问题. 因为需要的数据量很大, 需要的算力也很高, 所以不大可能让学生从头做一个深度...
zip

face_recognition-master_人脸识别_facerecognition_face_

《人脸识别技术深度解析——基于face_recognition库》 人脸识别技术是人工智能领域的重要组成部分，它在安全、监控、社交网络等领域有着广泛的应用。本项目“face_recognition-master”提供了一套可移植的人脸识别...
zip

matlab精度检验代码-Human_Face_recognition-PCA-SVM:Human_Face_recognition-PCA-

matlab精度检验代码Human_Face_recognition-PCA-SVM 1. renlianshibie.m是主程序。 2.已经证明了两个数据集为ORL.rar和YALE.rar。 在运行renlianshibie.m之前，必须先将其解压缩。 3.Libsvm已被使用，您必须在Matlab...
rar

face_recognition.rar_FACE-Recognition_face recognition

matlab code for Face_recognition
zip

face_recognition.zip_atb7x_face_face recognition_人脸_人脸识别

本篇将深入探讨"face_recognition.zip_atb7x_face_face recognition_人脸_人脸识别"这一主题，解析其背后的原理和技术细节。 首先，我们要理解什么是人脸识别。人脸识别是一种生物特征识别技术，它通过捕捉、处理和...

将face_recognition下载到本地，并用pycharm调用，并给出如何调用的代码

要将face_recognition库下载到本地并在PyCharm中调用，你需要首先通过Python的包管理工具pip来安装它。如果你还没有安装这个库，可以按照以下步骤操作： 1. 打开终端或命令提示符（Windows用户）。 2. 确保已经...

if self.process_this_frame: self.face_locations = face_recognition.face_locations(small_frame) self.face_encodings = face_recognition.face_encodings(small_frame, self.face_locations) self.face_names = [] name = ""

这段代码是使用 face_recognition 库对视频帧中的人脸进行识别和编码。首先会对视频帧进行缩放（small_frame），然后使用 face_locations 函数获取人脸位置，再使用 face_encodings 函数获取人脸编码。最后通过一个...

为什么face_recognition函数调用不了face_recognition

可能是因为您没有正确安装face_recognition模块或者没有正确导入face_recognition模块。请确保您已经安装了face_recognition模块，并且在代码中正确地导入了该模块。另外，如果您使用的是某些集成开发环境（IDE），...

import face_recognition import cv2 def compareFaces(known_image, name): known_face_encoding = face_recognition.face_encodings(known_image)[0] for i in range(len(face_locations)): # face_Locations的长度就代表有多少张脸 top1, right1, bottom1, left1 = face_locations[i] face_image = unknown_image[top1:bottom1, left1:right1] face_encoding = face_recognition.face_encodings(face_image) if face_encoding: result = {} matches = face_recognition.compare_faces([unknown_face_encodings[i]], known_face_encoding, tolerance=0.39) if True in matches: print('在未知图片中找到了已知面孔') result['face_encoding'] = face_encoding result['is_view'] = True result['location'] = face_locations[i] result['face_id'] = i + 1 result['face_name'] = name results.append(result) if result['is_view']: print('已知面孔匹配照片上的第{}张脸!!'.format(result['face_id'])) unknown_image = face_recognition.load_image_file('qt.jpg') known_image1 = face_recognition.load_image_file('cs.png') known_image2 = face_recognition.load_image_file('cs1.png') results = [] unknown_face_encodings = face_recognition.face_encodings(unknown_image) face_locations = face_recognition.face_locations(unknown_image) compareFaces(known_image1, 'cs') compareFaces(known_image2, 'cs1') view_faces = [i for i in results if i['is_view']] if len(view_faces) > 0: for view_face in view_faces: top, right, bottom, left = view_face['location'] start = (left, top) end = (right, bottom) cv2.rectangle(unknown_image, start, end, (0, 0, 255), thickness=2) font = cv2.FONT_HERSHEY_DUPLEX cv2.putText(unknown_image, view_face['face_name'], (left + 6, bottom + 16), font, 1.0, (255, 255, 255), thickness=1) cv2.imshow('windows', unknown_image) cv2.waitKey()

这段代码看起来是使用了 face_recognition 和 cv2 库来进行人脸比对和标记。它加载了一个未知的图片和两个已知的图片，然后通过 face_recognition 库提取出人脸的编码和位置。接着使用 compareFaces 函数来比对已知...

import cv2 import face_recognition import numpy as np from PIL import Image, ImageDraw,ImageFont video_capture = cv2.VideoCapture(r'C:/Users/ALIENWARE/123.mp4')#如果输入是(0)为摄像头输入 #现输入为MP4进行识别检测人脸 first_image = face_recognition.load_image_file("1.jpg") first_face_encoding = face_recognition.face_encodings(first_image)[0] Second_image = face_recognition.load_image_file("2.jpg") Second_face_encoding = face_recognition.face_encodings(Second_image)[0] third_image = face_recognition.load_image_file("3.jpg") third_face_encoding = face_recognition.face_encodings(third_image)[0] inside_face_encodings = [first_face_encoding,Second_face_encoding,third_face_encoding] inside_face_names = ['A','B','C'] face_locations = [] face_encodings = [] face_names = [] process_this_frame = True while True: ret, frame = video_capture.read() small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25) rgb_small_frame = small_frame[:, :, ::-1] if process_this_frame: 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: matches = face_recognition.compare_faces(inside_face_encodings, face_encoding) name = '未录入人脸' if True in matches: first_match_index = matches.index(True) name = inside_face_names[first_match_index] face_names.append(name) process_this_frame = not process_this_frame for (top, right, bottom, left), name in zip(face_locations, face_names): top *= 4 right *= 4 bottom *= 4 left *= 4 cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2) img_pil = Image.fromarray(frame) draw = ImageDraw.Draw(img_pil) fontStyle = ImageFont.truetype("C:/Windows/Fonts/simsun.ttc", 32, encoding="utf-8") draw.text((left + 6, bottom - 6), name, (0, 200, 0), font=fontStyle) frame = np.asarray(np.array(img_pil)) cv2.imshow('face_out', frame) if cv2.waitKey(1) & 0xFF == ord('q'): #退出需要按下Q键否则内核会崩溃 break video_capture.release() cv2.destroyAllWindows()

face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations) face_names = [] # 遍历每个检测到的人脸 for face_encoding in face_encodings: # 比对人脸编码 matches = face_...

这段 import cv2 import face_recognition import numpy as np from PIL import Image, ImageDraw,ImageFont video_capture = cv2.VideoCapture(r'C:/Users/ALIENWARE/123.mp4')#如果输入是(0)为摄像头输入 #现输入为MP4进行识别检测人脸 first_image = face_recognition.load_image_file("1.jpg") first_face_encoding = face_recognition.face_encodings(first_image)[0] Second_image = face_recognition.load_image_file("2.jpg") Second_face_encoding = face_recognition.face_encodings(Second_image)[0] third_image = face_recognition.load_image_file("3.jpg") third_face_encoding = face_recognition.face_encodings(third_image)[0] inside_face_encodings = [first_face_encoding,Second_face_encoding,third_face_encoding] inside_face_names = ['A','B','C'] face_locations = [] face_encodings = [] face_names = [] process_this_frame = True while True: ret, frame = video_capture.read() small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25) rgb_small_frame = small_frame[:, :, ::-1] if process_this_frame: 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: matches = face_recognition.compare_faces(inside_face_encodings, face_encoding) name = '未录入人脸' if True in matches: first_match_index = matches.index(True) name = inside_face_names[first_match_index] face_names.append(name) process_this_frame = not process_this_frame for (top, right, bottom, left), name in zip(face_locations, face_names): top *= 4 right *= 4 bottom *= 4 left *= 4 cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2) img_pil = Image.fromarray(frame) draw = ImageDraw.Draw(img_pil) fontStyle = ImageFont.truetype("C:/Windows/Fonts/simsun.ttc", 32, encoding="utf-8") draw.text((left + 6, bottom - 6), name, (0, 200, 0), font=fontStyle) frame = np.asarray(np.array(img_pil)) cv2.imshow('face_out', frame) if cv2.waitKey(1) & 0xFF == ord('q'): #退出需要按下Q键否则内核会崩溃 break video_capture.release() cv2.destroyAllWindows()

好的，这段代码可以进行人脸识别并在视频中标出人脸，并在人脸旁边显示人名。如果你想要修改代码实现更大的差距，可以考虑以下几种方案： 1. 优化人脸识别算法，提高识别准确率； 2. 修改人脸识别模型，训练更加...

最新推荐

recommend-type

Python人脸识别第三方库face_recognition接口说明文档

Python的face_recognition库是一个强大的人脸识别工具，专为开发者提供了简单易用的接口来处理人脸识别任务。这个库基于Dlib的预训练模型，能够高效地定位人脸、识别人脸特征并进行人脸识别。以下是对该库主要接口的...
recommend-type

基于微信小程序的校园论坛；微信小程序；云开发；云数据库；云储存；云函数；纯JS无后台；全部资料+详细文档+高分项目.zip

【资源说明】 基于微信小程序的校园论坛；微信小程序；云开发；云数据库；云储存；云函数；纯JS无后台；全部资料+详细文档+高分项目.zip 【备注】 1、该项目是个人高分项目源码，已获导师指导认可通过，答辩评审分达到95分 2、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 3、本项目适合计算机相关专业(人工智能、通信工程、自动化、电子信息、物联网等)的在校学生、老师或者企业员工下载使用，也可作为毕业设计、课程设计、作业、项目初期立项演示等，当然也适合小白学习进阶。 4、如果基础还行，可以在此代码基础上进行修改，以实现其他功能，也可直接用于毕设、课设、作业等。 欢迎下载，沟通交流，互相学习，共同进步！
recommend-type

GitHub图片浏览插件：直观展示代码中的图像

资源摘要信息: "ImagesOnGitHub-crx插件" 知识点概述： 1. 插件功能与用途 2. 插件使用环境与限制 3. 插件的工作原理 4. 插件的用户交互设计 5. 插件的图标和版权问题 6. 插件的兼容性 1. 插件功能与用途 插件"ImagesOnGitHub-crx"设计用于增强GitHub这一开源代码托管平台的用户体验。在GitHub上，用户可以浏览众多的代码仓库和项目，但GitHub默认情况下在浏览代码仓库时，并不直接显示图像文件内容，而是提供一个“查看原始文件”的链接。这使得用户体验受到一定限制，特别是对于那些希望直接在网页上预览图像的用户来说不够方便。该插件正是为了解决这一问题，允许用户在浏览GitHub上的图像文件时，无需点击链接即可直接在当前页面查看图像，从而提供更为流畅和直观的浏览体验。 2. 插件使用环境与限制 该插件是专为使用GitHub的用户提供便利的。它能够在GitHub的代码仓库页面上发挥作用，当用户访问的是图像文件页面时。值得注意的是，该插件目前只支持".png"格式的图像文件，对于其他格式如.jpg、.gif等并不支持。用户在使用前需了解这一限制，以免在期望查看其他格式文件时遇到不便。 3. 插件的工作原理 "ImagesOnGitHub-crx"插件的工作原理主要依赖于浏览器的扩展机制。插件安装后，会监控用户在GitHub上的操作。当用户访问到图像文件对应的页面时，插件会通过JavaScript检测页面中的图像文件类型，并判断是否为支持的.png格式。如果是，它会在浏览器地址栏的图标位置上显示一个小octocat图标，用户点击这个图标即可触发插件功能，直接在当前页面上查看到图像。这一功能的实现，使得用户无需离开当前页面即可预览图像内容。 4. 插件的用户交互设计 插件的用户交互设计体现了用户体验的重要性。插件通过在地址栏中增加一个小octocat图标来提示用户当前页面有图像文件可用，这是一种直观的视觉提示。用户通过简单的点击操作即可触发查看图像的功能，流程简单直观，减少了用户的学习成本和操作步骤。 5. 插件的图标和版权问题 由于插件设计者在制作图标方面经验不足，因此暂时借用了GitHub的标志作为插件图标。插件的作者明确表示，如果存在任何错误或版权问题，将会进行更改。这体现了开发者对知识产权尊重的态度，同时也提醒了其他开发者在使用或设计相关图标时应当考虑到版权法律的约束，避免侵犯他人的知识产权。 6. 插件的兼容性 插件的兼容性是评估其可用性的重要标准之一。由于插件是为Chrome浏览器的用户所设计，因此它使用了Chrome扩展程序的标准格式，即.crx文件。用户需要通过浏览器的扩展程序管理界面进行安装。尽管目前插件仅支持.png图像格式，但对于希望在GitHub上浏览.png图像文件的用户来说，已经提供了非常实用的功能。未来，若开发者计划拓展插件支持的文件格式或适用于其他浏览器，则需要考虑到对现有代码的扩展和兼容性测试。 总结： "ImagesOnGitHub-crx"插件通过创新的用户体验设计，解决了GitHub在浏览图像文件时的一些局限性，使得图像浏览更加直观和便捷。尽管目前该插件存在一些限制，如仅支持.png格式和仅在Chrome浏览器中可用，但它为用户和开发者提供了良好的思路和实践。对于希望提高效率和增强功能的用户来说，这类工具扩展了GitHub的实用性，是开发人员工具箱中的一个有益补充。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本：布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学，1996年。法语。NNT：电话：00345357HAL ID：电话：00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【OPPO手机故障诊断专家】：工程指令快速定位与解决

![【OPPO手机故障诊断专家】：工程指令快速定位与解决](https://www.consumerelectronicstestdevelopment.com/media/2hlomnxy/oppo.jpg?anchor=center&mode=crop&width=1002&height=564&bgcolor=White&rnd=132773815380200000) # 摘要 本文综述了OPPO手机故障诊断的技术细节，涵盖了工程指令的基础理论、实践应用、高级技巧以及未来发展方向。首先介绍了工程指令的定义、分类、执行环境及其与手机系统交互的重要性。随后，深入探讨了工程指令在初步故障诊断
recommend-type

求[100，900]之间相差为12的素数对（注：要求素数对的两个素数均在该范围内）的个数

求解 [100, 900] 范围内相差为 12 的素数对，首先我们需要确定哪些数在这个区间内是素数。然后筛选出它们成对出现且差值为 12 的情况。 1. 确定素数范围内的素数：我们可以编写一个简单的程序来检查每个数字是否为素数，如果数字大于 1，并且除 2 到其平方根之间的所有整数都不能整除它，那么这个数字就是素数。 2. 遍历并寻找符合条件的素数对：从较大的素数开始向下遍历，找到的第一个素数作为“较大”素数，然后查看比它小 12 的下一个数，如果这个数也是素数，则找到了一对符合条件的素数。 3. 统计素数对的数量：统计在给定范围内找到的这种差距为 12 的素数对的数量。 由于计算素数
recommend-type

Android IPTV项目：直播频道的实时流媒体实现

资源摘要信息:"IPTV:直播IPTV的Android项目是一个基于Android平台的实时流式传输应用。该项目允许用户从M3U8或M3U格式的链接或文件中获取频道信息，并将这些频道以网格或列表的形式展示。用户可以在应用内选择并播放指定的频道。该项目的频道列表是从一个预设的列表中加载的，并且通过解析M3U或M3U8格式的文件来显示频道信息。开发者还计划未来更新中加入Exo播放器以及电子节目单功能，以增强用户体验。此项目使用了多种技术栈，包括Java、Kotlin以及Kotlin Android扩展。" 知识点详细说明: 1. IPTV技术: IPTV（Internet Protocol Television）即通过互联网协议提供的电视服务。它与传统的模拟或数字电视信号传输方式不同，IPTV通过互联网将电视内容以数据包的形式发送给用户。这种服务使得用户可以按需观看电视节目，包括直播频道、视频点播（VOD）、时移电视（Time-shifted TV）等。 2. Android开发: 该项目是针对Android平台的应用程序开发，涉及到使用Android SDK（软件开发工具包）进行应用设计和功能实现。Android应用开发通常使用Java或Kotlin语言，而本项目还特别使用了Kotlin Android扩展（Kotlin-Android）来优化开发流程。 3. 实时流式传输: 实时流式传输是指媒体内容以连续的流形式进行传输的技术。在IPTV应用中，实时流式传输保证了用户能够及时获得频道内容。该项目可能使用了HTTP、RTSP或其他流媒体协议来实现视频流的实时传输。 4. M3U/M3U8文件格式: M3U（Moving Picture Experts Group Audio Layer 3 Uniform Resource Locator）是一种常用于保存播放列表的文件格式。M3U8则是M3U格式的扩展版本，支持UTF-8编码，常用于苹果设备。在本项目中，M3U/M3U8文件被用来存储IPTV频道信息，如频道名称、视频流URL等。 5. Exo播放器: ExoPlayer是谷歌官方提供的一个开源视频播放器，专为Android优化。它支持多种特性，如自定义字幕、HDR视频播放、无缝直播等。ExoPlayer通常用于处理IPTV应用中的视频流媒体播放需求。 6. 电子节目单（EPG）: 电子节目单是IPTV应用中一项重要功能，它为用户提供频道的节目指南，包括当前播放的节目以及未来节目的安排。电子节目单一般以网格或列表形式展示，方便用户浏览和搜索节目信息。 7. 开源贡献文化: 该项目提到了欢迎贡献者，表明这是一个开源项目。在开源文化中，开发者社区鼓励用户、开发者贡献代码来改进项目，这是一个共享知识、共同进步的过程。参与者通过贡献代码、报告问题或提供文档帮助等方式参与项目。 8. Kotlin编程语言: Kotlin是一种运行在Java虚拟机上的静态类型编程语言，它与Java完全兼容并可以无缝集成Java代码。Kotlin以其简洁、安全和富有表现力的特点被越来越多的Android开发者采用。在本项目中，使用Kotlin可以简化代码结构，提高开发效率和应用性能。 总结而言，本项目是一个面向Android平台的实时流媒体IPTV应用开发项目，它整合了实时流式传输、M3U/M3U8文件解析、Exo播放器使用、电子节目单功能等关键技术点，并在开源社区中寻求贡献者的参与。通过本项目，开发者可以深入了解如何在Android平台上实现IPTV服务，并学习到使用Kotlin和Java等编程语言进行Android应用开发的相关知识。
recommend-type

"互动学习：行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动，互动学习以行动为中心的强化学习学会互动，互动学习，以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授：智囊团论文联合主任菲利普·普雷教授，大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授，Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士，Deepmind对于那些及时看到自己错误的人...3谢谢你首先，我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔，"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲，你知道在这篇论文的（许多）错误中，你是我可以依
recommend-type

【OPPO手机工程模式终极指南】：掌握这些秘籍，故障排查不再难！

![【OPPO手机工程模式终极指南】：掌握这些秘籍，故障排查不再难！](https://i02.appmifile.com/mi-com-product/fly-birds/redmi-note-13/M/23e4e9fd45b41a172a59f811e3d1406d.png) # 摘要 OPPO手机工程模式是为高级用户和开发者设计的一组调试和诊断工具集，它能够帮助用户深入了解手机硬件信息、进行测试和故障诊断，并优化设备性能。本文将对OPPO工程模式进行系统性的介绍，包括如何进入和安全退出该模式，详述其中的基础与高级功能，并提供实用的故障诊断和排查技巧。同时，本文还将探讨如何利用工程模式对
recommend-type

前端在json文件里写模板，可以换行 有空格现在在文本框的时候

前端在 JSON 文件中通常不会直接写模板，并且 JSON 格式本身是基于键值对的，不支持换行和空格的保留。JSON 是一种数据交换格式，它要求数据结构紧凑、易于解析。如果你需要在前端显示模板内容，推荐使用 JavaScript 的模板字符串 (Template literals) 或者 Handlebars、Mustache 等前端模板引擎。 当你想在文本框中显示 JSON 数据时，会先将 JSON 转换成 HTML 可渲染的内容。例如： ```javascript let jsonData = { "template": "这是一个<br>换行示例", "text": "这是文