一. 前言概述

在返回的结果中，在face_list列表中，每一项值就是一个人脸信息，每个人脸信息用字典来表示，字典中包含什么信息由发送请求的参数face_field键值决定

返回结果内容的解析通过for循环取出每个字典数据（人脸），进行单独解析

解析数据后，进行显示
人脸信息显示：
设计两个窗口部件（textEdit）用来显示信息
进行解析完成把信息依此添加到窗口中

人脸识别操作：
从摄像头获取画面，进行人脸检测函数的调用，当调用一次函数就检测一次
但是百度网络API的QPS为2（每秒只有2次）
完成网络请求限制，需要单独去设置人脸检测（500ms），每500ms额外再获取一次摄像头画面，这次获取就用作检测
通过设置定时器，产生信号，关联槽函数，完成功能
原先10ms获取画面只用作，显示画面（流畅）
每500ms发送网络请求，调用post函数，等待返回结果，就会存在一定的等待时间，程序就在这里阻塞执行，那10ms会调用的显示函数就不会执行了，所以会存在一定卡顿现象
采用多线程方式解决卡顿现象（把进行人脸检测的操作交给新的线程去完成）
通过创建一个新的线程，去执行post请求这种耗时操作（每500ms执行一次）
实现方式（post请求）：
摄像头交给线程，线程进行采集
窗口采集，把画面转换成base64交给线程
当获取画面后，就把数据交给线程的函数：使用信号槽，当获取画面就产生信号，连接线程的检测函数

二.摄像头上传数据，读取百度AI返回信息

这次相较于上一次，做了较大改变。首先是当我们启动界面时，就会自动取获取access_toke访问令牌，不再是点击按钮来获取令牌了。

#获取进行网络请求的访问令牌def get_accesstoken(self):print("get_accesstoken")#host对象是字符串对象存储是授权的服务地址-----获取accesstoken的地址host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=1cFzLl7ZshdilAAMZnnyX4Ak&client_secret=2OgXkKUAPSEQzQmnkj88LGGoj71Kk3Tj'#发送网络请求   requests网络库#使用get函数发送网络请求，参数为网络请求的地址，执行时会产生返回结果，结果就是请求的结果response = requests.get(host)if response:# print(response.json())data = response.json()self.access_token = data.get('access_token')print(self.access_token)

同时将通过对话框选取图片的方式改为了通过摄像头来获取画面，每个10ms获取一帧画面

    def show_cameradata(self):#获取摄像头数据，转换数据pic = self.cameravideo.camera_to_pic()#显示数据，显示画面self.label.setPixmap(pic)

因为前文提到过，我们用的是百度免费提供的人脸检测，所以只能够支持QPS为2（每秒只有2次），所以这里再设置一个500ms的定时器，每500ms发送给百度AI进行人脸检测

 def get_cameradata(self):# 摄像头获取画面camera_data = self.cameravideo.read_camera()# 把摄像头画面转换成图片，然后设置编码base64编码格式数据_, enc = cv2.imencode('.jpg', camera_data)base64_image = base64.b64encode(enc.tobytes())#产生信号，传递数据self.detect_data_signal.emit(str(base64_image))

三.多线程操作

在测试的过程中，能够明显的发现存在卡顿现象，这是因为我们这代码还是单线程，在每10ms截取一帧画面显示的同时，每500ms也在发送请求，这就导致在窗口的显示画面中会出现明显的卡顿现象。
这时就需要使用多线程了。
新建一个detect.py作为我们的多线程类
QThread就是PyQt5提供的线程类
由于是一个完成了的类，功能已经写好了，线程类线程的功能需要我们自己完成
线程类进行执行只会执行线程类中的run函数，如果有新的功能需要实现的话，重新写一个run函数完成

class detect_thread(QThread):def __init__(self,token):super(detect_thread,self).__init__()#初始化操作self.access_token = token#run函数执行结束，代表线程结束def run(self):print("run")'''self.time = QTimer(self)self.time.start(500)self.time.timeout.connect(self.detect_face)'''self.exec_()

同时在多线程类中，需要实现每隔500ms发送请求，以及获取百度AI返回的人脸信息

    def detect_face(self,base64_image):'''#对话框获取图片#获取一张图片（一帧画面）#getOpenFileName通过对话框的形式获取一个图片（.JPG）路径path,ret = QFileDialog.getOpenFileName(self,"open picture",".","图片格式(*.jpg)")#把图片转换成base64编码格式fp = open(path,'rb')base64_imag = base64.b64encode(fp.read())print(base64_imag)'''# 摄像头获取画面# camera_data = self.cameravideo.read_camera()# # 把摄像头画面转换成图片，然后设置编码base64编码格式数据# _, enc = cv2.imencode('.jpg', camera_data)# base64_image = base64.b64encode(enc.tobytes())# 发送请求的地址request_url = "https://aip.baidubce.com/rest/2.0/face/v3/detect"# 请求参数是一个字典，在字典中存储,百度AI要识别的图片信息，属性内容params = {"image": base64_image,  # 图片信息字符串"image_type": "BASE64",  # 图片信息格式"face_field": "gender,age,beauty,expression,face_shape,glasses,emotion,mask",  # 请求识别人脸的属性， 各个属性在字符串中用,逗号隔开"max_face_num": 10}# 访问令牌access_token = self.access_token# 把请求地址和访问令牌组成可用的网络请求request_url = request_url + "?access_token=" + access_token# 参数：设置请求的格式体headers = {'content-type': 'application/json'}# 发送网络post请求,请求百度AI进行人脸检测,返回检测结果# 发送网络请求，就会存在一定的等待时间，程序就在这里阻塞执行，所以会存在卡顿现象response = requests.post(request_url, data=params, headers=headers)if response:data = response.json()#data是请求数据的结果，需要进行解析，单独拿出所需的数据内容，分开print(data)

在定义好了多线程类后，我们就要在mywindow.py类中去引用它。

#创建线程完成检测def create_thread(self):self.detectThread = detect_thread(self.access_token,)self.detectThread.start()

为了追求更加流畅，还可以自定义一个信号槽，每500ms就从mywindow.py发送一帧画面的数据给多线程类

detect_data_signal = pyqtSignal(str)

当点击启动签到时，设置定时器，每500ms就将画面数据发送给多线程类
当然了除了mywindow.py发送数据给detece.py多线程类数据，还可以detece.py多线程类返回百度AI发送的人脸信息给mywindow.py，并显示在窗口的“学生人脸信息”，但限于时间关系，就只能完成到这。

四.程序展示

启动程序，会自动获取access_token访问令牌
点击签到，选择启动签到

五.相关下载

代码下载：Face_Recognition_Project_4.zip。