前言

本項目利用了Dlib中已經(jīng)成熟的68點人臉特征點檢測功能，并結(jié)合了Python庫"face_recognition"，以便進行口紅顏色的匹配和推薦。

首先，使用Dlib的人臉特征點檢測功能，我們可以精確地定位人臉上的68個關(guān)鍵點，包括眼睛、嘴巴、鼻子等部位。這些關(guān)鍵點的檢測能力使我們能夠準確地識別嘴唇的位置和形狀。

接下來，我們使用"face_recognition"庫來處理這些檢測到的區(qū)域。具體而言，我們關(guān)注嘴唇區(qū)域并提取其顏色信息。這可能涉及到將嘴唇區(qū)域的像素值轉(zhuǎn)化為顏色的特征，比如RGB值或者HSV值。

一旦我們獲得了嘴唇的顏色信息，接下來的步驟就是尋找與這種顏色最相近的口紅顏色。這可以涉及到一個顏色匹配算法，例如計算顏色之間的歐幾里德距離或色彩空間的相似度。

最后，根據(jù)顏色匹配的結(jié)果，我們可以輸出口紅推薦信息，包括口紅的品牌、色號和購買鏈接等。這樣，用戶可以根據(jù)他們的嘴唇顏色找到最適合的口紅。

本項目結(jié)合計算機視覺和顏色匹配技術(shù)，為用戶提供了一種便捷的方式來選擇合適的口紅顏色，以匹配他們的嘴唇顏色和個人喜好。這對于化妝愛好者和購物者來說都具有實際的應(yīng)用價值。

總體設(shè)計

本部分包括系統(tǒng)整體結(jié)構(gòu)圖和系統(tǒng)流程圖。

系統(tǒng)整體結(jié)構(gòu)圖

系統(tǒng)整體結(jié)構(gòu)如圖所示。

系統(tǒng)流程圖

正則匹配系統(tǒng)流程如圖所示。

保存信息系統(tǒng)流程如圖所示。

色彩空間轉(zhuǎn)換流程如圖所示。

尋找相應(yīng)顏色模塊如圖所示。

運行環(huán)境

本部分包括Python環(huán)境、TensorFlow環(huán)境、安裝face_recognitio、colorsys模塊、PyQt5、QCandyUi、庫依賴關(guān)系。

Python環(huán)境

需要Python 3.6及以上配置，在Windows環(huán)境下推薦下載Anaconda完成Python所需環(huán)境的配置，下載地址為https://www.anaconda.com/，也可下載虛擬機在Linux環(huán)境下運行代碼。

TensorFlow環(huán)境

打開Anaconda Prompt，輸入清華倉庫鏡像:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes

創(chuàng)建Python 3.6的環(huán)境，名稱為TensorFlow，此時Python版本和后面TensorFlow的版本有匹配問題，此步選擇Python 3.6。

conda create -n tensorflow Python=3.6

有需要確認的地方，都輸入y。

在Anaconda Prompt中激活TensorFlow環(huán)境:

activate tensorflow

安裝CPU版本的TensorFlow:

pip install tensorflow

安裝完畢。

安裝face_ recognition

在Windows 10下安裝face_recognition第三方庫:
①在Anaconda的Python 3.6版本命令提示符下輸入pip install CMake命令安裝CMake;
②安裝Dlib。經(jīng)查詢發(fā)現(xiàn)face_recognition第三方庫與Dlib的19.7.0版本相匹配，所以安裝Dlib時要使用以下命令: pip install dlib==19.7.0，在DOS命令行輸入pip install face_recognition命令安裝face_recognition第三方庫。

安裝colorsys模塊

colorsys模塊用于RGB和YIQ/HLS/HSV顏色模式雙向轉(zhuǎn)換接口。提供6個函數(shù)，其中3個用于RGB轉(zhuǎn)YIQ/HLS/HSV,另外3個將YIQ/HLS/HSV轉(zhuǎn)RGB。

PIL庫可以完成圖像歸檔和圖像處理兩方面的需求。圖像歸檔：對圖像進行批處理、生成圖像預覽、圖像格式轉(zhuǎn)換等；圖像處理：基本處理、像素處理、顏色處理等。Image是PIL中最重要的模塊，有一個類叫作Image，與模塊名稱相同。Image類有很多函數(shù)、方法及屬性。

安裝PyQt 5

安裝步驟：打開CMD，輸入conda activate tensorflow命令；

pip install pyqt5 需要注意，conda庫中沒有PyQt5。

在網(wǎng)絡(luò)質(zhì)量不佳時有可能安裝失敗，可以使用下載*.whl文件并用pip install wheel的方式進行PyQt 5的安裝部署;

pip install pyqt5-tools安裝后關(guān)閉CMD，到達文件安裝位置尋找designer.exe；

打開designer.exe即可使用該工具迅速畫出樣式并得到*ui文件;

打開CMD，跳轉(zhuǎn)到對應(yīng)位置。使用pyuic工具將*ui文件轉(zhuǎn)換為ui_*.py文件;

打開ui_*py文件寫入signal and slot相關(guān)內(nèi)容，確定繼承關(guān)系。

安裝QCandyUi

使用conda activate tensorflow命令激活環(huán)境后，使用pip install QCandyUi命令安裝即可。

庫依賴關(guān)系

庫依賴如表所示。

模塊實現(xiàn)

本項目包括數(shù)據(jù)預處理和系統(tǒng)搭建2個模塊。下面分別給出各模塊的功能介紹及相關(guān)代碼。

1. 數(shù)據(jù)預處理

本部分包括源數(shù)據(jù)的存儲、數(shù)據(jù)處理和數(shù)據(jù)合并。

1）源數(shù)據(jù)的存儲

數(shù)據(jù)下載地址為https://www.kaggle.com/c/facial-keypoints-detection/data，存儲形式如圖所示。

2）處理數(shù)據(jù)

本部分代碼因需要處理多個品牌，代碼結(jié)構(gòu)相似，存在重復現(xiàn)象，本處以口紅品牌M.A.C為例展示處理方法，相關(guān)代碼如下：

#-*- coding: utf-8 -*-
import json
import re
import os
path="D:/homework/大三下信息系統(tǒng)設(shè)計/lipsticks/"
brand="mac/"
brandpathli=[]
dict_Brand={"name":brand[:-1],"series":None}
dict_series={"name":None,"lipsticks":None}
dict_name={"color":"#ffffff", "id":"-1", "name":"none"}
#預設(shè)參數(shù)，在處理不同品牌時，只需要改變brand和path中的內(nèi)容即可
def par_mac(str):
#對該口紅的品牌、顏色、色號進行匹配
dict_name={"color":"#ffffff", "id":"-1", "name":"none"}
#設(shè)定默認值，當發(fā)現(xiàn)顏色是黑色或ID=-1可及時丟棄不合法的列表
    matchObj_color = re.search( r'#\w{6}', str, re.M|re.I)
    if (matchObj_color!=None):
        dict_name["color"]=matchObj_color.group().upper()
        #print (matchObj_color.group())調(diào)試代碼
    matchObj_id = re.search( r"\">\d{3}" , str, re.M|re.I)
    if (matchObj_id!=None):
        dict_name["id"]=matchObj_id.group()[2:]
        #print (matchObj_id.group()[2:])調(diào)試代碼
    matchObj_name = re.search( r">\d{0,}[ ]?([A-Z][a-z]*[,]?[ ]?[!?]?){1,}" , str, re.M|re.I)
    if (matchObj_name!=None):
        dict_name["name"]=matchObj_name.group()[1:]
    return  dict_name
#查找文件夾內(nèi)所有文件的名稱
def eachFile(filepath):
    pathDir =  os.listdir(filepath)
    for allDir in pathDir:
        child = os.path.join('%s%s' % (filepath, allDir))
        print("children",child)#即該目錄下所有文件的名字
        brandpathli.append(child)
#讀取文件路徑名對應(yīng)的內(nèi)容
def readFile(filename):
    fopen = open(filename, 'r') #r 代表read
    list_series=[]#文件中每一行的內(nèi)容
    for eachLine in fopen:
        #print( "讀取到得內(nèi)容如下：",eachLine)調(diào)試代碼
        dict_name=par_mac(eachLine)
        if(dict_name["color"]=="#ffffff"):
           continue
        list_series.append(dict_name)
    fopen.close()   
    return list_series#返回每個系列的所有口紅
    if __name__ == '__main__':
    #filePath = path+brand+subpath調(diào)試代碼，可以通過不同方式訪問數(shù)據(jù)
    filePathC = path+brand
    eachFile(filePathC)
    list_brand=[]
    for i in brandpathli:
        dict_series={"name":None,"lipsticks":None}
        list_series=readFile(i) #每個系列的所有口紅
        #print(dict_name)調(diào)試代碼
        brandname=i.split('/')[-1].split('.')[0]
        #print("mainpring",brandname)調(diào)試代碼
        dict_series["name"]=brandname
        dict_series["lipsticks"]=list_series
        #獲得{系列名，口紅色號}字典
        list_brand.append(dict_series)
  	print("dict_series",list_brand)
    dict_Brand["series"]=list_brand 
        #dict_Brand["brands"][1]["series"]調(diào)試代碼
file = open('D:/homework/大三下信息系統(tǒng)設(shè)計/json/'+brand.split('/')[0]+'.json','w',encoding='utf-8')
#在遇到長文本時需要處理編碼格式以保證存入的數(shù)據(jù)不是亂碼
    json = json.dump(dict_Brand,file)
    print(json)   
file.close()

3）合并得到j(luò)son文件

合并得到j(luò)son文件即可組成口紅色號數(shù)據(jù)庫，如圖所示。

2. 系統(tǒng)搭建

本部分包括人臉識別，提取唇部輪廓并創(chuàng)建蒙版，劃分嘴唇區(qū)域，提取圖片顏色，獲取色號庫，比較并得出結(jié)果，創(chuàng)建圖形化界面等。

1）人臉識別

在識別唇部之前，定位到人臉，用face_recognition對圖片中的人臉進行識別。

import face_recognition
path="*.jpg"
#放入一張照片
image = face_recognition.load_image_file(path)
#找到圖片中所有人臉
print(type(image))
face_locations = face_recognition.face_locations(image)
print(face_locations)
#或者在圖像中找到面部特征（還可以通過len(face_locations)得到圖片中的人臉數(shù)
face_landmarks_list = face_recognition.face_landmarks(image)
print(face_landmarks_list)
#為圖像中的每個人臉獲取face_encodings
list_of_face_encodings = face_recognition.face_encodings(image)

2）提取唇部輪廓并創(chuàng)建蒙版

為方便提取唇部顏色，將識別到的上下嘴唇及輪廓用白色填充，得到一張黑底唇部留白的蒙版。

pil_image = Image.fromarray(image)
a=pil_image.size
#改變類型
print(a,type(a))
blank_mouse = Image.new('RGB', (a[0],a[1]), (0, 0, 0))
#新建一張黑色圖片
for face_landmarks in face_landmarks_list:
    d = ImageDraw.Draw(blank_mouse, 'RGBA')
    #把嘴唇涂白
    d.polygon(face_landmarks['top_lip'], fill=(255,255,255,255))
    d.polygon(face_landmarks['bottom_lip'], fill=(255, 255,255, 255))
    d.line(face_landmarks['top_lip'], fill=(255, 255,255, 255), width=8)
blank_mouse.show()
#展示
blank_mouse=blank_mouse.crop((pos[3], pos[0], pos[1], pos[2])) 
#(left, upper, right, lower) 修剪面部區(qū)域
Image._show(blank_mouse)

3）劃分嘴唇區(qū)域

進一步對圖像進行處理，在原圖像中保留唇部區(qū)域，即上步中留白區(qū)域，非唇部區(qū)域用黑色覆蓋，便于后續(xù)提取顏色。

def masklayer(origin,mask):
	#創(chuàng)建函數(shù)，origin和mask均為Image函數(shù)對應(yīng)的圖片格式，將其轉(zhuǎn)換為數(shù)組，再操作
    mask1=np.array(mask)
    print(mask1.shape)
    origin1=np.array(origin)
    print(origin1.shape)
    for i in range(len(mask1)):
        for j in range(len(mask1[i])):
        #如果mask在這個區(qū)域是黑色的，則程序不需要這部分圖片內(nèi)容設(shè)定原圖中該區(qū)域rgb=000 
if (mask1[i][j][1]>=128):#保留嘴唇區(qū)域
                pass
                      else:#其他區(qū)域變?yōu)楹谏?/span>
                origin1[i][j]=[0,0,0]
    new_png = Image.fromarray(origin1)
    new_png.show()
    #new_png.save('testpic.JPG')
return new_png
#調(diào)用編寫的函數(shù)，將嘴唇區(qū)域框選出來
cropped=masklayer(cropped_face,blank_mouse)

經(jīng)過以上步驟，可以獲取唇部區(qū)域并打印，如圖所示。

4）提取圖片顏色

顏色空間可以分為基色顏色空間和色、亮分離顏色空間兩類。前者是RGB，后者包括YUV和HSV等。在RGB顏色空間中，任意色光F都可以用R、G、B三基色不同分量的相加混合而成：F=r[R]+r[G]+r[B]。 RGB色彩空間還可以用一個三維的立方體來描述，當三基色分量都為0 (最弱)時混合為黑色光;當三基色都為定值( 最大值由存儲空間決定)時混合為白色光。

HSV顏色空間用下圖描述。正對著的面為S=100%，Z軸為V值正方向，從左至右為H間隔60°展開。程序采用了《廣告圖片生成方法、裝置以及存儲介質(zhì)》中的部分思想。

import colorsys
import PIL.Image as Image
def get_dominant_color(image):
    #顏色模式轉(zhuǎn)換，以便輸出RGB顏色值
    image = image.convert('RGB')
    #生成縮略圖，減少計算量，減小cpu壓力，縮短運算時間
    image.thumbnail((200, 200))
    max_score =0
    dominant_color = 0
    for count,(r,g,b) in image.getcolors(image.size[0]*image.size[1]):
        #忽略黑色背景
        if (r<100) :
            continue
        #轉(zhuǎn)換為HSV獲取顏色飽和度，范圍（0,1）
        saturation = colorsys.rgb_to_hsv(r/255.0, g/255.0, b/255.0)[1]
        #轉(zhuǎn)換為YUV計算亮度
        y = min(abs(r*2104+g*4130+b*802+4096+131072)>>13,235)
        #將亮度從（16，235）縮放到（0,1）
        y = (y-16.0)/(235-16)
        #忽略高亮色
        if y > 0.9:
            continue
        #選擇飽和度高的顏色
        #將飽和度加0.1，這樣就不會通過將計數(shù)乘以0來完全忽略灰度顏色，但給它們較低的權(quán)重
        score = (saturation+0.1)*count
        if score > max_score:
            max_score = score
            dominant_color = (r,g,b)
    return dominant_color

5）獲取色號庫

對色號庫進行操作，計算共有多少種顏色，并根據(jù)計算結(jié)果將json文件中的數(shù)據(jù)存為數(shù)組，轉(zhuǎn)換為list方便操作。

def RGBhex_2RGB(rgb_hex):
     #print(rgb_hex) 調(diào)試代碼
    RGB=[0,0,0]
    temp_num=0
    for i in range(len(rgb_hex)):
        temp_num=0
        temp=rgb_hex[i]
        if(i!=0):
            #將字母轉(zhuǎn)換為ASCII表中位置
            if(temp>='A'and temp<='F'):
                temp_num=ord(temp)-55
                #將ABCDEF轉(zhuǎn)換為10~15間的數(shù)字
            else:
                #將字符數(shù)字轉(zhuǎn)換為0~9間的數(shù)字
                temp_num=ord(temp)-48
            if(i%2==1):
                #根據(jù)位置乘進制
                RGB[int((i/2)-0.5)]=RGB[int((i/2)-0.5)]+16*temp_num
            else:
                RGB[int((i/2)-0.5)]=RGB[int((i/2)-0.5)]+temp_num
     #print(RGB)調(diào)試代碼
return RGB

import numpy as np
import json
#對色號庫進行操作
#將品牌、系列顏色ID和顏色名稱保存到匯總列表中
def operate(target_color):
    sum_all=0
    with open('lipstick.json', 'r', encoding='utf-8') as f:
        js2dic = json.load(f)
        #讀取json
        brands_n=len(js2dic['brands'])
        print(brands_n)
        series_n=0
        for brands_i in range(brands_n):
            series_n=len(js2dic['brands'][brands_i]['series'])
            print("{0} has {1} series".format((js2dic['brands'][brands_i]['name']),series_n))
            for series_i in range(series_n):
                brand_name=js2dic['brands'][brands_i]['name']
                lip_name=js2dic['brands'][brands_i]['series'][series_i]['name']
   color_num=len(js2dic['brands'][brands_i]['series'][series_i]['lipsticks'])
                sum_all=color_num+sum_all
            #計算顏色總數(shù)
            print(sum_all)
        catalog=np.zeros((sum_all,4), dtype=(str,20))
        catalog_color=np.zeros((sum_all,3), dtype=int)
         #根據(jù)顏色數(shù)分配空間
        rank_color=np.zeros((sum_all,1),dtype=int)

6）比較并得出結(jié)果

提取出的顏色與庫中顏色比較，得到誤差最小的三組數(shù)據(jù)。將每個色號在R、G、B三個分量的數(shù)值與提取出的顏色RGB值分別做差并求和（權(quán)重自定），作為兩個顏色的相似度。

        #catalog分為四部分：品牌名稱、唇膏名稱、色號ID、色號值
        #將信息存入表格，這個循環(huán)可以將信息存入Python程序建立數(shù)組中
        sum_i=0
        for brands_i in range(brands_n):
            series_n=len(js2dic['brands'][brands_i]['series'])
            #print("brand_name",js2dic['brands'][brands_i]['name'])
            catalog[sum_i][0]=js2dic['brands'][brands_i]['name']
            for series_i in range(series_n):                color_num=len(js2dic['brands'][brands_i]['series'][series_i]['lipsticks'])
                for color_i in range(color_num):
                    catalog[sum_i][0]=js2dic['brands'][brands_i]['name']                 catalog[sum_i][1]=js2dic['brands'][brands_i]['series'][series_i]['name']                    catalog[sum_i][2]=js2dic['brands'][brands_i]['series'][series_i]['lipsticks'][color_i]['name']                    catalog[sum_i][3]=js2dic['brands'][brands_i]['series'][series_i]['lipsticks'][color_i]['id']                    catalog_color[sum_i]=RGBhex_2RGB(js2dic['brands'][brands_i]['series'][series_i]['lipsticks'][color_i]['color'])
                    sum_i+=1
                     #print(sum_i)調(diào)試代碼
        print(catalog.shape)
        RGB_distance=np.zeros((sum_all,1), dtype=float)
        for i in range(sum_all):
            #計算相似度，target是此前通過domain得到的值
            RGB_distance[i]=abs(target_color[0]-catalog_color[i][0])+abs((target_color[1]-catalog_color[i][1])*(1/5))+abs(target_color[2]-catalog_color[i][2])
        RGB_distance.tolist()
        result=sorted(range(len(RGB_distance)), key=lambda k: RGB_distance[k])
         #獲得顏色最像的三只口紅（以顏色的相近度為規(guī)則排序，返回位置數(shù)據(jù)）
        print("顏色最像的三只口紅及其顏色")
        result_show=[]
        for i in range(3):
            loc=result[i]
            color_show=tuple(catalog_color[loc])
            print("catalog index",catalog[loc],color_show)
#operate([155, 44, 69]) 調(diào)試代碼
if __name__ == '__main__':
    get=get_dominant_color(cropped)
    print("獲得的口紅顏色{0}".format(get))
    #計算相似度，get是此前通過domain得到的值
    operate(get)

7）創(chuàng)建圖形化界面

使用designer工具創(chuàng)建GUI文件，并使用pyuic工具進行ui到.py文件的轉(zhuǎn)換。對該*.py文件不建議直接修改，一般使用import其他文件定義操作類的方法進行信號和槽的鏈接。

#-*- coding: utf-8 -*-
#從讀取ui文件“myuidesign.ui”生成的窗體實現(xiàn)
#創(chuàng)建人：PyQt5 UI代碼生成器5.10
#警告！此文件中做的所有更改都將丟失
from PyQt5 import QtCore, QtGUI, QtWidgets
from PyQt5.QtWidgets import QFileDialog, QWidget,QGraphicsScene
from PyQt5.QtCore import QFileInfo
from detectface import my_face_recognition
try:
    _fromUtf8 = QtCore.QString.fromUtf8
except AttributeError:
    def _fromUtf8(s):
        return s
try:
    _encoding = QtGUI.QApplication.UnicodeUTF8
    def _translate(context, text, disambig):
        return QtWidgets.QApplication.translate(context, text, disambig, _encoding)
except AttributeError:
    def _translate(context, text, disambig):
        return QtWidgets.QApplication.translate(context, text, disambig)
#以上代碼處理了文字的編碼格式
#建立UI函數(shù)
class Ui_Dialog(object):
    def __init__(self):
        super(Ui_Dialog, self).__init__()
        self.imgPath=""
        self.face_recognize_object =None
        self.showFullImage = True
        self.brand=[]
        self.color=[]
    def setupUi(self, Form):  #設(shè)置界面
        Form.setObjectName("Form")
        Form.resize(817, 630)
        self.horizontalLayoutWidget = QtWidgets.QWidget(Form)
        self.horizontalLayoutWidget.setGeometry(QtCore.QRect(10,20,801,611))
        self.horizontalLayoutWidget.setObjectName("horizontalLayoutWidget")
        self.horizontalLayout = QtWidgets.QHBoxLayout(self.horizontalLayoutWidget)
        self.horizontalLayout.setContentsMargins(0, 0, 0, 0)
        self.horizontalLayout.setObjectName("horizontalLayout")
        self.verticalLayout_3 = QtWidgets.QVBoxLayout()
        self.verticalLayout_3.setObjectName("verticalLayout_3")
        self.label = QtWidgets.QLabel(self.horizontalLayoutWidget)
        self.label.setMinimumSize(QtCore.QSize(330, 50))
font = QtGUI.QFont()
        font.setFamily("漢儀唐美人W")
        font.setPointSize(36)
        font.setUnderline(False)
        self.label.setFont(font)
        self.label.setWordWrap(False)
        self.label.setObjectName("label")
        self.verticalLayout_3.addWidget(self.label)
       self.graphicsView=QtWidgets.QGraphicsView(self.horizontalLayoutWidget)
        self.graphicsView.setObjectName("graphicsView")
        self.verticalLayout_3.addWidget(self.graphicsView)
        self.pushButton = QtWidgets.QPushButton(self.horizontalLayoutWidget)
        font = QtGUI.QFont()
        font.setFamily("漢儀唐美人W")
        self.pushButton.setFont(font)
        self.pushButton.setObjectName("pushButton")
self.pushButton.setMinimumSize(QtCore.QSize(20, 50))
        self.verticalLayout_3.addWidget(self.pushButton)
        self.horizontalLayout.addLayout(self.verticalLayout_3)
        self.verticalLayout_4 = QtWidgets.QVBoxLayout()
        self.verticalLayout_4.setObjectName("verticalLayout_4")
        self.label_2 = QtWidgets.QLabel(self.horizontalLayoutWidget)
        self.label_2.setMinimumSize(QtCore.QSize(330, 50))
        font = QtGUI.QFont()
        font.setFamily("漢儀唐美人W")
        font.setPointSize(36)
        self.label_2.setFont(font)
        self.label_2.setObjectName("label_2")
        self.verticalLayout_4.addWidget(self.label_2)
        self.textBrowser= QtWidgets.QTextBrowser(self.horizontalLayoutWidget)
        self.textBrowser.setObjectName("textBrowser")
        self.verticalLayout_4.addWidget(self.textBrowser)
        self.pushButton_2= QtWidgets.QPushButton(self.horizontalLayoutWidget)
        font = QtGUI.QFont()
        font.setFamily("漢儀唐美人W")
        self.pushButton_2.setFont(font)
        self.pushButton_2.setObjectName("pushButton_2")
self.pushButton_2.setMinimumSize(QtCore.QSize(20, 50))
        self.verticalLayout_4.addWidget(self.pushButton_2)
        self.horizontalLayout.addLayout(self.verticalLayout_4)
        self.retranslateUi(Form)
        self.pushButton.clicked.connect(self.on_pushButton_clicked)
        self.pushButton_2.clicked.connect(self.on_pushButton_2_clicked)
        QtCore.QMetaObject.connectSlotsByName(Form)
def on_pushButton_clicked(self):
        #get the image path and show it in the view
        self.face_recognize_object = my_face_recognition()
        fileName, filetype = QFileDialog.getOpenFileName(None, "選擇文件", r"此處需要填寫文件路徑的起點", "Images (*.png *.jpg)")
        self.imgPath=fileName
        print (self.imgPath)
        if self.imgPath != '':
            self.face_recognize_object.operates_(self.imgPath)
            if self.showFullImage == True:
                self.face_recognize_object.showImg('original')
            scene = QGraphicsScene() #創(chuàng)建場景
            pixmap = QtGUI.QPixmap(self.imgPath)
#調(diào)用QtGUI.QPixmap方法，打開一個圖片，存放在變量中
            scene.addItem(QtWidgets.QGraphicsPixmapItem(pixmap))  
#添加圖片到場景中
            self.graphicsView.setScene(scene)
#將場景添加到graphicsView中
            self.graphicsView.show() 
#顯示
            self.textBrowser.clear()
            self.textBrowser.append(str(self.face_recognize_object.errdet))
#輸出圖片是否合法
def on_pushButton_2_clicked(self):  
        self.face_recognize_object.AI()
        self.brand=self.face_recognize_object.register_lps
        self.color=self.face_recognize_object.register_rgb
        print(self.brand)
        self.textBrowser.clear()
        self.textBrowser.append(str(self.face_recognize_object.errdet))
#輸出錯誤信息，若圖片不合法則在引用的函數(shù)返回為空。若圖片合法則會繼續(xù)輸出，看到口紅信息
       strout="最像您輸入口紅的三只色號庫內(nèi)口紅分別為!"
        flag=0  #設(shè)定flag用于檢測是否非法
        for i in range(len(self.brand)): 
            flag=1  #如果是合法輸入，那么flag就會置1，后續(xù)不會提示錯誤
            strout=strout+'\n'
            print("flag1")
            for j in range(len(self.brand[i])):
                if(self.brand[i][j]!='none'):
                    strout=strout+str(self.brand[i][j])           
        self.textBrowser.append(strout)
        if(flag==0):
            self.textBrowser.clear()
            self.textBrowser.append("這張圖片不可以進行處理，請換一張吧")
            print("flag0") 
   #一些有關(guān)UI的固定操作，來自ui->py文件的轉(zhuǎn)換器
def retranslateUi(self, Form):
        _translate = QtCore.QCoreApplication.translate
        Form.setWindowTitle(_translate("Form", "Form"))
        self.label.setText(_translate("Form", " Original pic"))
        self.pushButton.setText(_translate("Form", "選擇文件"))
        self.label_2.setText(_translate("Form", "     result"))
        self.pushButton_2.setText(_translate("Form", "開始識別"))
if __name__ == "__main__":
    import sys
    app = QtWidgets.QApplication(sys.argv)
    Dialog = QtWidgets.QDialog()
    ui = Ui_Dialog()
    ui.setupUi(Dialog)
    Dialog.show()
    sys.exit(app.exec_())

8）將流程封裝為類和函數(shù)

將之前描述的主流程代碼封裝為一個類，通過UI_*.py程序調(diào)用這個類中的函數(shù)實現(xiàn)相關(guān)分類:

def operates_(self,input_path):
        self.imgPath=input_path #展示圖片
    def AI(self):
        self.load_pic()
        self.get=self.get_dominant_color(self.resultImg)
       print("the extracted RGB value of the color is {0}".format(self.get))
        self.data_operate()
    def errordetect(self): #錯誤處理
        image = face_recognition.load_image_file(self.imgPath)
        face_locations = face_recognition.face_locations(image)
        if(len(face_locations)!=1): #不是僅有一張人臉在圖片中
            if(len(face_locations)==0): #未檢測到
                self.errdet="more/less than one face in the pic"
                return "can't find people"
			else：#不只一個人
                self.errdet="more/less than one face in the pic"
            return "more/less than one face in the pic"
        else:
            return "DEAL"

9）對GUI的顯示效果進行美化

通過一個小組件對GUI的風格進行轉(zhuǎn)換，改變GUI的外觀。引入QCandyUi包:

from QCandyUi import CandyWindow
#調(diào)整按鈕的大小使之更清晰可見
self.pushButton.setMinimumSize(QtCore.QSize(20, 50))
self.pushButton_2.setMinimumSize(QtCore.QSize(20, 50))
#改變定義窗口類的調(diào)用方式
if __name__ == "__main__":
    import sys
    app = QtWidgets.QApplication(sys.argv)
    Dialog = QtWidgets.QDialog()
    ui = Ui_Dialog()
    ui.setupUi(Dialog)
    Dialog = CandyWindow.createWindow(Dialog, 'pink') #增加，使QCandyUi運行
    Dialog.show()
sys.exit(app.exec_())

系統(tǒng)測試

未進行操作時的圖形化界面如圖所示。

運行程序，當輸入一張合規(guī)的照片，即輸入一張有且只有一個可識別面孔時，右側(cè)文本框中顯示的DEAL，如圖所示。

單擊“開始識別”，輸出的對應(yīng)色號如圖所示。

對比得到的色號和官網(wǎng)試色圖，如圖所示。

若不符合輸入照片要求會出現(xiàn)錯誤提示，單擊“開始識別”后會彈出不可識別的提示，如下兩圖所示。

工程源代碼下載

詳見本人博客資源下載頁

其它資料下載

如果大家想繼續(xù)了解人工智能相關(guān)學習路線和知識體系，歡迎大家翻閱我的另外一篇博客《重磅 | 完備的人工智能AI 學習——基礎(chǔ)知識學習路線，所有資料免關(guān)注免套路直接網(wǎng)盤下載》
這篇博客參考了Github知名開源平臺，AI技術(shù)平臺以及相關(guān)領(lǐng)域?qū)＜遥篋atawhale，ApacheCN，AI有道和黃海廣博士等約有近100G相關(guān)資料，希望能幫助到所有小伙伴們。文章來源地址http://www.zghlxwxcb.cn/news/detail-733526.html

到了這里，關(guān)于基于Dlib+PyQt5+TensorFlow智能口紅色號檢測推薦系統(tǒng)——深度學習算法應(yīng)用(含Python全部工程源碼及模型)+數(shù)據(jù)集的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！